| 摘要 | 第5-6页 |
| abstract | 第6-7页 |
| 第一章 绪论 | 第10-19页 |
| 1.1 人脸识别的研究背景及意义 | 第10-11页 |
| 1.2 国内外研究现状与研究难点 | 第11-15页 |
| 1.2.1 研究现状 | 第11-13页 |
| 1.2.2 研究难点 | 第13-15页 |
| 1.3 人脸识别框架 | 第15-17页 |
| 1.4 本文主要内容及安排 | 第17-19页 |
| 第二章 基于特征编码的人脸识别 | 第19-31页 |
| 2.1 局部特征编码 | 第19-24页 |
| 2.1.1 LBP特征编码 | 第19-21页 |
| 2.1.2 类LBP特征编码 | 第21-24页 |
| 2.2 自动编码理论 | 第24-30页 |
| 2.2.1 稀疏自动编码 | 第25-26页 |
| 2.2.2 自动降噪编码器 | 第26-28页 |
| 2.2.3 收缩自动编码 | 第28页 |
| 2.2.4 稀疏自动编码与单样本人脸识别 | 第28-30页 |
| 2.3 本章小结 | 第30-31页 |
| 第三章 基于多尺度特征编码的人脸识别算法 | 第31-53页 |
| 3.1 图像预处理 | 第31-35页 |
| 3.1.1 几何归一化 | 第31-33页 |
| 3.1.2 灰度归一化 | 第33-35页 |
| 3.2 基于RICA的局部特征编码学习 | 第35-43页 |
| 3.2.1 局部区域采样 | 第36页 |
| 3.2.2 ZCA白化操作 | 第36-39页 |
| 3.2.3 特征训练 | 第39-42页 |
| 3.2.4 码本训练 | 第42-43页 |
| 3.3 基于RICA的多尺度特征编码学习 | 第43-47页 |
| 3.3.1 多尺度特征提取 | 第44页 |
| 3.3.2 基于RICA的多尺度特征编码的人脸识别 | 第44-47页 |
| 3.4 实验结果与分析 | 第47-52页 |
| 3.4.1 人脸数据库 | 第47-48页 |
| 3.4.2 实验设置 | 第48-49页 |
| 3.4.3 实验结果 | 第49-52页 |
| 3.5 本章小结 | 第52-53页 |
| 第四章 联合特征编码学习和特征加权算法 | 第53-69页 |
| 4.1 基于RICA的联合特征编码学习 | 第53-56页 |
| 4.2 基于非线性概率映射的特征加权算法研究 | 第56-60页 |
| 4.2.1 非线性概率映射 | 第56-58页 |
| 4.2.2 信息熵特征加权算法 | 第58-60页 |
| 4.3 实验结果与分析 | 第60-68页 |
| 4.3.1 联合特征编码研究实验分析 | 第60-63页 |
| 4.3.2 特征加权算法实验分析 | 第63-66页 |
| 4.3.3 复杂样本实验分析 | 第66-68页 |
| 4.4 本章小结 | 第68-69页 |
| 第五章 人脸识别系统 | 第69-75页 |
| 5.1 PC端人脸识别系统设计 | 第69-72页 |
| 5.2 移动端人脸识别应用 | 第72-74页 |
| 5.3 本章小结 | 第74-75页 |
| 第六章 总结与展望 | 第75-77页 |
| 6.1 本文总结 | 第75-76页 |
| 6.2 工作展望 | 第76-77页 |
| 致谢 | 第77-78页 |
| 参考文献 | 第78-82页 |