| 摘要 | 第4-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第10-14页 |
| 1.1 研究背景及意义 | 第10页 |
| 1.2 人脸识别的研究现状 | 第10-12页 |
| 1.3 人脸识别存在的难题 | 第12页 |
| 1.4 论文的研究内容与结构安排 | 第12-14页 |
| 1.4.1 论文的研究内容 | 第12-13页 |
| 1.4.2 论文的结构安排 | 第13-14页 |
| 第二章 人脸识别相关技术 | 第14-28页 |
| 2.1 人脸检测 | 第14-17页 |
| 2.2 人脸识别 | 第17-25页 |
| 2.2.1 SIFT算法 | 第18-22页 |
| 2.2.2 贝叶斯压缩感知算法 | 第22-25页 |
| 2.3 常用人脸识别数据库 | 第25-27页 |
| 2.3.1 Extended Yale B人脸数据库 | 第25-26页 |
| 2.3.2 AR数据库 | 第26页 |
| 2.3.3 CMU PIE数据库 | 第26页 |
| 2.3.4 FERET数据库 | 第26-27页 |
| 2.4 本章小结 | 第27-28页 |
| 第三章 基于词袋模型与压缩感知的人脸识别 | 第28-40页 |
| 3.1 词袋模型 | 第28-32页 |
| 3.1.1 特征提取 | 第30页 |
| 3.1.2 K-means聚类 | 第30-31页 |
| 3.1.3 空间金字塔匹配 | 第31-32页 |
| 3.2 压缩稀疏金字塔 | 第32-35页 |
| 3.2.1 算法描述 | 第32-33页 |
| 3.2.2 分类方法 | 第33-34页 |
| 3.2.3 算法流程 | 第34-35页 |
| 3.3 实验结果及分析 | 第35-39页 |
| 3.3.1 Extended Yale B数据库上的实验 | 第35-36页 |
| 3.3.2 AR人脸库上的实验 | 第36-37页 |
| 3.3.3 CMU PIE数据库上的实验 | 第37-38页 |
| 3.3.4 算法效率比较 | 第38-39页 |
| 3.4 本章小结 | 第39-40页 |
| 第四章 基于局部特征统计和核贝叶斯压缩感知的人脸识别 | 第40-50页 |
| 4.1 特征提取 | 第40-42页 |
| 4.1.1 局部特征统计 | 第40-42页 |
| 4.1.2 基于局部特征统计的改进 | 第42页 |
| 4.2 分类算法 | 第42-46页 |
| 4.2.1 改进的贝叶斯压缩感知 | 第43-46页 |
| 4.3 实验结果及分析 | 第46-49页 |
| 4.3.1 AR人脸数据库上的实验 | 第46-47页 |
| 4.3.2 FERET数据库上的实验 | 第47-48页 |
| 4.3.3 算法时间比较 | 第48-49页 |
| 4.4 本章小结 | 第49-50页 |
| 第五章 总结和展望 | 第50-52页 |
| 5.1 工作总结 | 第50页 |
| 5.2 工作展望 | 第50-52页 |
| 参考文献 | 第52-57页 |
| 致谢 | 第57-58页 |
| 攻读硕士学位期间发表的学术论文 | 第58页 |
