| 中文摘要 | 第1-7页 |
| 英文摘要 | 第7-16页 |
| 第1章 绪论 | 第16-26页 |
| ·研究背景和意义 | 第16-22页 |
| ·研究背景 | 第17-20页 |
| ·不同生物识别技术比较 | 第20-21页 |
| ·研究意义 | 第21-22页 |
| ·本文研究的方法与内容 | 第22-24页 |
| ·研究目标 | 第22-23页 |
| ·研究方法和研究内容 | 第23-24页 |
| ·本文的内容结构 | 第24-26页 |
| 第2章 目标检测和识别方法的研究现状 | 第26-46页 |
| ·引言 | 第26-28页 |
| ·目前已有的目标检测方法 | 第28-34页 |
| ·静态目标检测方法 | 第28-30页 |
| ·运动目标检测方法 | 第30-34页 |
| ·人脸识别研究的主要内容 | 第34-37页 |
| ·人脸检测 | 第34-35页 |
| ·人脸表征 | 第35页 |
| ·人脸识别 | 第35-36页 |
| ·表情分析 | 第36-37页 |
| ·目前的人脸检测方法 | 第37-40页 |
| ·基于知识规则的方法 | 第38页 |
| ·特征不变量方法 | 第38-39页 |
| ·模板匹配方法 | 第39页 |
| ·基于外观的方法 | 第39-40页 |
| ·结论 | 第40页 |
| ·目前的人脸识别方法 | 第40-45页 |
| ·基于几何特征的方法 | 第41-43页 |
| ·基于代数特征的方法 | 第43-44页 |
| ·基于连接机制的方法 | 第44-45页 |
| ·其它方法 | 第45页 |
| ·结论 | 第45页 |
| ·本章小结 | 第45-46页 |
| 第3章 彩色图像中的人脸检测 | 第46-75页 |
| ·引言 | 第46-47页 |
| ·人脸检测常用的几个彩色空间 | 第47-50页 |
| ·RGB彩色空间 | 第48页 |
| ·标准化rgb彩色空间 | 第48页 |
| ·HSV彩色空间 | 第48-49页 |
| ·YCrCb彩色空间 | 第49-50页 |
| ·非线性YCrCb彩色空间 | 第50-55页 |
| ·光线补偿处理 | 第50-51页 |
| ·非线性分段彩色空间变换 | 第51-52页 |
| ·新的非线性彩色空间变换NYCr"Cb" | 第52-55页 |
| ·从粗到精的自适应人脸动态分割 | 第55-58页 |
| ·人脸分割总体结构图 | 第55-56页 |
| ·人脸区域的粗分割 | 第56-57页 |
| ·动态肤色模型的在线学习 | 第57-58页 |
| ·人脸候选区域 | 第58-59页 |
| ·人脸特征检测和人脸验证 | 第59-70页 |
| ·人脸候选区域特征分割 | 第61-64页 |
| ·PCA边缘方向信息(PCAED)定位眼睛 | 第64-69页 |
| ·人脸几何形状信息定位鼻和嘴 | 第69-70页 |
| ·实验结果分析 | 第70-74页 |
| ·本章小结 | 第74-75页 |
| 第4章 基于人脸检测的机场离港旅客识别系统 | 第75-87页 |
| ·系统设计的目的和意义 | 第75-77页 |
| ·系统应用环境描述 | 第77-79页 |
| ·旅客离港流程 | 第77-79页 |
| ·旅客状态描述 | 第79页 |
| ·系统拓扑结构关系 | 第79-82页 |
| ·数据服务系统 | 第79-80页 |
| ·安检子系统 | 第80-81页 |
| ·登机子系统 | 第81页 |
| ·安检管理子系统 | 第81页 |
| ·报警子系统 | 第81-82页 |
| ·公安资料管理子系统 | 第82页 |
| ·基于人脸检测的安检子系统 | 第82-86页 |
| ·安检子系统结构 | 第82-83页 |
| ·视频及人脸检测 | 第83-85页 |
| ·身份证信息识别 | 第85-86页 |
| ·本章小结 | 第86-87页 |
| 第5章 基于PPCA的人脸识别 | 第87-111页 |
| ·引言 | 第87-89页 |
| ·因子分析原理 | 第89-94页 |
| ·因子分析的数学模型 | 第89-90页 |
| ·模型参数的约定和意义 | 第90-92页 |
| ·因子分析模型参数求解 | 第92-94页 |
| ·概率PCA算法原理 | 第94-101页 |
| ·隐含变量模型 | 第94-95页 |
| ·概率PCA的提出 | 第95页 |
| ·概率PCA的数学模型 | 第95-97页 |
| ·概率PCA模型参数的估计 | 第97-101页 |
| ·PPCA算法的降维和重建 | 第101-102页 |
| ·因子分析与概率PCA | 第102-103页 |
| ·基于PPCA的人脸识别 | 第103-107页 |
| ·概率PCA的特征子空间计算 | 第105-107页 |
| ·利用特征脸进行人脸识别 | 第107页 |
| ·实验结果分析 | 第107-109页 |
| ·本章小结 | 第109-111页 |
| 第6章 基于ICA的人脸识别 | 第111-144页 |
| ·引言 | 第111-113页 |
| ·ICA的数学模型 | 第113-114页 |
| ·ICA、PCA和FA之间的关系 | 第114-115页 |
| ·ICA中用到的基本知识 | 第115-118页 |
| ·高阶矩和源信号的pdf描述 | 第115-116页 |
| ·两个pdf的比较、Kullback-Leibler发散度 | 第116页 |
| ·随机向量各分量统计独立性的衡量 | 第116-117页 |
| ·线性变换下两个pdf之间的关系 | 第117页 |
| ·非线性变换下两个pdf之间的关系 | 第117-118页 |
| ·无噪声ICA模型参数的求解 | 第118-122页 |
| ·最大似然目标函数(ML) | 第118-119页 |
| ·统计独立性目标函数 | 第119-120页 |
| ·信息最大化(最大熵)目标函数 | 第120-122页 |
| ·有噪声ICA模型的提出 | 第122-123页 |
| ·有噪声ICA模型参数的求解 | 第123-132页 |
| ·平均场近似MFA(Mean Field Approximation) | 第123-126页 |
| ·MFA-ICA算法 | 第126-132页 |
| ·利用ICA进行信号分离 | 第132-137页 |
| ·声音信号分离 | 第133-135页 |
| ·图像特征提取 | 第135-137页 |
| ·基于ICA的人脸识别 | 第137-140页 |
| ·二阶相关性和高阶相关性 | 第137-138页 |
| ·相关性去除 | 第138页 |
| ·人脸识别过程 | 第138-140页 |
| ·实验结果分析 | 第140-142页 |
| ·本章小结 | 第142-144页 |
| 第7章 结论与展望 | 第144-147页 |
| ·本文工作的总结 | 第144页 |
| ·本文主要研究成果 | 第144-146页 |
| ·进一步的工作与展望 | 第146-147页 |
| 参考文献 | 第147-161页 |
| 附录 | 第161-163页 |
| 攻读博士学位期间主要参加的科研任务和发表的论文 | 第163-165页 |
| 论文声明 | 第165-166页 |
| 致谢 | 第166页 |