| 摘要 | 第4-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第16-24页 |
| 1.1 影响人脸身份信息特征的主要因素 | 第16-19页 |
| 1.2 常见人脸数据集 | 第19-21页 |
| 1.3 本文结构安排 | 第21-24页 |
| 第二章 人脸识别中的特征学习方法 | 第24-48页 |
| 2.1 基于特征学习的人脸识别的算法框架 | 第24-29页 |
| 2.2 局部特征与滤波器 | 第29-34页 |
| 2.2.1 引言 | 第29页 |
| 2.2.2 LBP算子介绍 | 第29-30页 |
| 2.2.3 Gabor表示 | 第30-31页 |
| 2.2.4 局部直方图表示 | 第31-33页 |
| 2.2.5 级联滤波器 | 第33-34页 |
| 2.3 特征编码 | 第34-37页 |
| 2.3.1 基于词典的编码器 | 第34-35页 |
| 2.3.2 基于K均值的编码器 | 第35-36页 |
| 2.3.3 基于高斯混合模型GMM的编码器 | 第36-37页 |
| 2.4 特征池化 | 第37-40页 |
| 2.4.1 人脸分块 | 第38页 |
| 2.4.2 多尺度特征 | 第38-39页 |
| 2.4.3 特征拼接 | 第39-40页 |
| 2.5 全局编码 | 第40-41页 |
| 2.5.1 特征变换 | 第40页 |
| 2.5.2 特征选择 | 第40-41页 |
| 2.6 深度特征提取 | 第41-43页 |
| 2.6.1 框架介绍 | 第42-43页 |
| 2.7 各个方法在LFW以及FERET的识别率 | 第43-47页 |
| 2.7.1 在LFW上的测试 | 第44-45页 |
| 2.7.2 FERET数据库实验 | 第45-47页 |
| 2.8 本章小结 | 第47-48页 |
| 第三章 基于多方向密集SIFT特征的人脸识别方法 | 第48-66页 |
| 3.1 引言 | 第48页 |
| 3.2 SIFT算子与其局限性 | 第48-49页 |
| 3.3 多方向密集SIFT特征的局部描述子 | 第49-57页 |
| 3.4 基于多方向密集SIFT特征的编码方法 | 第57-59页 |
| 3.5 实验与结果分析 | 第59-65页 |
| 3.5.1 在FERET和AR数据集的实验 | 第60-62页 |
| 3.5.2 在LFW以及FG-LFW数据集的实验 | 第62-64页 |
| 3.5.3 不同参数对实验结果的影响 | 第64-65页 |
| 3.6 本章小结 | 第65-66页 |
| 第四章 基于压缩费舍尔向量的人脸识别方法 | 第66-88页 |
| 4.1 引言 | 第66-67页 |
| 4.2 FV深度分析 | 第67-73页 |
| 4.2.1 费舍尔核 | 第67-68页 |
| 4.2.2 FV表示的基本原理 | 第68-70页 |
| 4.2.3 FV的不足 | 第70-73页 |
| 4.3 压缩费舍尔向量 | 第73-77页 |
| 4.3.1 高斯块 | 第74-75页 |
| 4.3.2 关于后验概率的归一化 | 第75页 |
| 4.3.3 重新加权 | 第75-76页 |
| 4.3.4 多方向压缩费舍尔向量 | 第76-77页 |
| 4.4 实验与结果分析 | 第77-86页 |
| 4.4.1 在FERET和AR数据集的实验 | 第78-81页 |
| 4.4.2 在LFW、FG-LFW以及FRGC 2.0 Experiment 4数据集的实验 | 第81-84页 |
| 4.4.3 不同参数对实验结果的影响 | 第84-86页 |
| 4.5 本章小结 | 第86-88页 |
| 第五章 基于多尺度深度卷积特征的压缩费舍尔向量 | 第88-100页 |
| 5.1 引言 | 第88页 |
| 5.2 深度卷积响应 | 第88-89页 |
| 5.3 使用压缩费舍尔向量对多尺度深度卷积特征的编码 | 第89-93页 |
| 5.3.1 多尺度人脸图像块 | 第90-92页 |
| 5.3.2 联合深度压缩费舍尔向量 | 第92-93页 |
| 5.4 实验与结果分析 | 第93-99页 |
| 5.4.1 在FERET和AR数据集的实验 | 第94-96页 |
| 5.4.2 在LFW、FG-LFW以及FRGC 2.0 Experiment 4数据集的实验 | 第96-99页 |
| 5.5 本章小结 | 第99-100页 |
| 第六章 高维人脸特征的降维与哈希编码方法 | 第100-116页 |
| 6.1 引言 | 第100页 |
| 6.2 用于降维的特征变换 | 第100-102页 |
| 6.3 哈希算法 | 第102-105页 |
| 6.3.1 局部敏感哈希 | 第102-103页 |
| 6.3.2 具有分辨力的二值编码 | 第103页 |
| 6.3.3 迭代量化 | 第103-105页 |
| 6.4 基于降维特征变换的哈希编码 | 第105-106页 |
| 6.5 可扩展的迭代量化哈希编码 | 第106-110页 |
| 6.5.1 ITQ哈希编码算法的不足 | 第106-108页 |
| 6.5.2 可扩展的迭代量化哈希编码 | 第108-110页 |
| 6.6 实验与结果分析 | 第110-114页 |
| 6.6.1 基于CFV人脸特征的哈希实验 | 第111-112页 |
| 6.6.2 基于DCFV深度人脸特征的哈希实验 | 第112-114页 |
| 6.7 本章小结 | 第114-116页 |
| 第七章 总结与展望 | 第116-118页 |
| 7.1 本文总结 | 第116-117页 |
| 7.2 未来展望 | 第117-118页 |
| 参考文献 | 第118-132页 |
| 致谢 | 第132-133页 |
| 攻读学位期间发表的学术论文目录 | 第133页 |
