| 摘要 | 第1-7页 |
| Abstract | 第7-11页 |
| 第1章 绪论 | 第11-20页 |
| ·研究背景和意义 | 第11-12页 |
| ·生物特征识别研究现状 | 第12-18页 |
| ·论文的研究内容和结构安排 | 第18-20页 |
| 第2章 基于稀疏表示的改进静止-视频人脸识别 | 第20-37页 |
| ·引言 | 第20-21页 |
| ·人脸识别方法概述 | 第21-25页 |
| ·基于稀疏表示的人脸识别算法 | 第21-22页 |
| ·基于支持向量机的人脸识别 | 第22-24页 |
| ·特征提取 | 第24-25页 |
| ·基于稀疏表示的改进静止-视频人脸识别 | 第25-31页 |
| ·基于梯度的人脸几何特征对齐 | 第25-27页 |
| ·抗运动模糊字典的创建 | 第27-29页 |
| ·基于图像聚类的视频序列关键帧提取 | 第29-31页 |
| ·整体算法流程 | 第31页 |
| ·实验结果与分析 | 第31-36页 |
| ·在实际拍摄数据库中的实验结果与分析 | 第31-34页 |
| ·在YouTube数据库中的实验结果与分析 | 第34-36页 |
| ·本章结论 | 第36-37页 |
| 第3章 结合散度约束和多层级联分类器的视频人脸识别 | 第37-50页 |
| ·引言 | 第37页 |
| ·结合散度约束和多层级联分类器的视频人脸识别 | 第37-45页 |
| ·基于聚类分析的单层分类器设计 | 第38-41页 |
| ·视频人脸识别集成分类器设计 | 第41-45页 |
| ·整体算法流程 | 第45-46页 |
| ·实验结果与分析 | 第46-48页 |
| ·本章结论 | 第48-50页 |
| 第4章 结合离散余弦变换和线性判别分析的步态识别 | 第50-59页 |
| ·引言 | 第50-51页 |
| ·步态能量图的提取 | 第51-53页 |
| ·图像预处理和步态周期的确定 | 第51-52页 |
| ·提取步态能量图 | 第52-53页 |
| ·结合离散余弦变换和线性判别分析的步态识别 | 第53-56页 |
| ·离散余弦变换 | 第53-55页 |
| ·线性判别分析 | 第55-56页 |
| ·步态识别整体算法流程 | 第56-57页 |
| ·实验结果与分析 | 第57-58页 |
| ·本章结论 | 第58-59页 |
| 结论 | 第59-61页 |
| 参考文献 | 第61-68页 |
| 攻读学位期间发表论文与研究成果清单 | 第68-69页 |
| 致谢 | 第69页 |