| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第1章 绪论 | 第9-16页 |
| 1.1 本文的研究背景和意义 | 第9-10页 |
| 1.2 国内外研究动态 | 第10-13页 |
| 1.2.1 人脸识别技术的研究现状 | 第10-12页 |
| 1.2.2 SIFT算法在人脸识别中的应用现状 | 第12-13页 |
| 1.3 人脸识别技术的热点及难点 | 第13-14页 |
| 1.4 论文的主要工作以及各章节安排 | 第14-16页 |
| 第2章 相关研究理论 | 第16-26页 |
| 2.1 引言 | 第16页 |
| 2.2 SIFT算法原理和步骤 | 第16-21页 |
| 2.2.1 关键点检测 | 第16-18页 |
| 2.2.2 精确定位关键点 | 第18-19页 |
| 2.2.3 分配方向并生成SIFT描述子 | 第19-21页 |
| 2.3 SIFT人脸识别算法存在的不足 | 第21-22页 |
| 2.4 人工神经网络基本原理 | 第22-23页 |
| 2.4.1 神经元和联接权值 | 第22页 |
| 2.4.2 分层结构 | 第22-23页 |
| 2.4.3 激活函数 | 第23页 |
| 2.5 BP神经网络原理 | 第23-24页 |
| 2.6 相关的预处理 | 第24-25页 |
| 2.6.1 输入输出数据的预处理 | 第24-25页 |
| 2.6.2 隐层数和节点数的设定 | 第25页 |
| 2.6.3 学习速率和动量因子的设定 | 第25页 |
| 2.7 本章小结 | 第25-26页 |
| 第3章 基于BP神经网络的SIFT特征匹配算法研究 | 第26-37页 |
| 3.1 引言 | 第26页 |
| 3.2 人脸识别特征匹配必要性分析 | 第26页 |
| 3.3 基于BP神经网络的SIFT特征匹配算法基本思路 | 第26-27页 |
| 3.4 基于BP神经网络的SIFT特征匹配算法步骤 | 第27-33页 |
| 3.4.1 数据的预处理 | 第27-30页 |
| 3.4.2 BP网络映射模型的训练 | 第30-31页 |
| 3.4.3 更新特征点匹配对 | 第31-33页 |
| 3.5 算法实验与分析 | 第33-36页 |
| 3.5.1 实验分析 | 第33-35页 |
| 3.5.2 实验环境与参数设置 | 第35-36页 |
| 3.6 本章小结 | 第36-37页 |
| 第4章 基于SIFT算法和特征匹配的多视角入脸识别算法研究 | 第37-45页 |
| 4.1 引言 | 第37页 |
| 4.2 多视角人脸识别必要性分析 | 第37页 |
| 4.3 基于SIFT算法和特征匹配的多视角人脸识别算法 | 第37-41页 |
| 4.3.1 算法基本思想 | 第37-38页 |
| 4.3.2 算法实现步骤 | 第38-41页 |
| 4.4 算法实验与分析 | 第41-44页 |
| 4.4.1 性能实验与分析 | 第41-43页 |
| 4.4.2 识别率实验与分析 | 第43-44页 |
| 4.5 本章小结 | 第44-45页 |
| 第5章 结论与展望 | 第45-46页 |
| 5.1 工作总结 | 第45页 |
| 5.2 展望 | 第45-46页 |
| 参考文献 | 第46-50页 |
| 致谢 | 第50-51页 |
| 攻读硕士学位期间发表的论文 | 第51页 |
