| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第1章 概述 | 第9-16页 |
| 1.1 研究背景与意义 | 第9-11页 |
| 1.2 国内外研究现状 | 第11-14页 |
| 1.3 本文主要研究内容 | 第14-16页 |
| 第2章 人脸识别相关知识综述 | 第16-27页 |
| 2.1 人脸识别流程 | 第16-20页 |
| 2.1.1 人脸检测与定位 | 第16-17页 |
| 2.1.2 图像预处理 | 第17-18页 |
| 2.1.3 特征提取 | 第18-20页 |
| 2.1.4 匹配识别 | 第20页 |
| 2.2 典型的特征提取方法简述 | 第20-23页 |
| 2.2.1 主成分分析 | 第20-21页 |
| 2.2.2 线性判别分析 | 第21页 |
| 2.2.3 局部线性嵌入 | 第21-22页 |
| 2.2.4 局部保持投影 | 第22页 |
| 2.2.5 非负矩阵分解 | 第22页 |
| 2.2.6 Gabor小波 | 第22-23页 |
| 2.2.7 局部二元模式 | 第23页 |
| 2.3 典型的分类算法简述 | 第23-27页 |
| 2.3.1 最近邻法 | 第24页 |
| 2.3.2 人工神经网络 | 第24-25页 |
| 2.3.3 支持向量机 | 第25页 |
| 2.3.4 稀疏表示分类器 | 第25-27页 |
| 第3章 基于Gabor和LBC融合特征的人脸识别方法 | 第27-38页 |
| 3.1 人脸特征提取 | 第27-28页 |
| 3.2 Gabor特征 | 第28-29页 |
| 3.3 LBC特征算子 | 第29-30页 |
| 3.4 GLBC特征算子 | 第30-33页 |
| 3.4.1 GLBC | 第30-31页 |
| 3.4.2 直接相似性评估 | 第31-32页 |
| 3.4.3 加权相似性评估 | 第32-33页 |
| 3.5 实验 | 第33-37页 |
| 3.5.1 数据库 | 第33-34页 |
| 3.5.2 在FERET数据库上的实验结果 | 第34-35页 |
| 3.5.3 在CAS-PEAL-R1数据库上的实验结果 | 第35-36页 |
| 3.5.4 在AR数据库上的实验结果 | 第36-37页 |
| 3.6 本章小结 | 第37-38页 |
| 第4章 人脸识别技术在刑侦信息采集交换系统中的应用 | 第38-49页 |
| 4.1 建设目标和总体思路 | 第38-39页 |
| 4.2 系统的设计与实现 | 第39-46页 |
| 4.2.1 信息一体化采集 | 第40-41页 |
| 4.2.2 基于人脸识别认证的模块设计 | 第41-44页 |
| 4.2.3 信息质量管理 | 第44-45页 |
| 4.2.4 一体比对反馈 | 第45-46页 |
| 4.3 刑侦数据交换 | 第46页 |
| 4.4 防止信息重复采集模块 | 第46-48页 |
| 4.5 本章小结 | 第48-49页 |
| 第5章 结论 | 第49-50页 |
| 参考文献 | 第50-56页 |
| 致谢 | 第56页 |
