| 摘要 | 第1-4页 |
| Abstract | 第4-5页 |
| 目录 | 第5-8页 |
| 1 绪论 | 第8-13页 |
| ·引言 | 第8页 |
| ·人机交互技术 | 第8-9页 |
| ·性别、表情和年龄识别的研究状况 | 第9-11页 |
| ·性别识别的研究现状 | 第9-10页 |
| ·表情识别的研究现状 | 第10页 |
| ·年龄识别的研究现状 | 第10-11页 |
| ·部分人脸图像库简介 | 第11-12页 |
| ·本文章节安排 | 第12-13页 |
| 2 提取压缩感知特征 | 第13-24页 |
| ·压缩感知理论数学模型 | 第13-14页 |
| ·信号的稀疏表示 | 第14-15页 |
| ·正交变换 | 第14页 |
| ·多尺度几何分析方法 | 第14-15页 |
| ·字典学习方法 | 第15页 |
| ·测量矩阵 | 第15-17页 |
| ·随机测量矩阵 | 第16页 |
| ·结构化随机测量矩阵 | 第16页 |
| ·确定性测量矩阵 | 第16-17页 |
| ·信号的重建 | 第17-18页 |
| ·基于压缩感知理论提取特征 | 第18-23页 |
| ·Haar-Like特征 | 第18-19页 |
| ·积分图像 | 第19-20页 |
| ·随机投影 | 第20页 |
| ·选取测量矩阵 | 第20-21页 |
| ·提取图像特征的方法 | 第21-23页 |
| ·本章小结 | 第23-24页 |
| 3 实时人脸追踪 | 第24-30页 |
| ·常用的人脸追踪方法 | 第24-25页 |
| ·实时人脸压缩追踪 | 第25-27页 |
| ·追踪分类器的构建 | 第26页 |
| ·压缩追踪过程 | 第26-27页 |
| ·算法讨论 | 第27-28页 |
| ·实验过程 | 第28-29页 |
| ·本章小结 | 第29-30页 |
| 4 支持向量机 | 第30-43页 |
| ·支持向量机概述 | 第30-36页 |
| ·线性可分情况 | 第31-34页 |
| ·线性不可分情况 | 第34-35页 |
| ·核函数 | 第35-36页 |
| ·支持向量机的特征和思想 | 第36-37页 |
| ·libSVM | 第37-39页 |
| ·数据的格式 | 第37页 |
| ·数据归一化 | 第37-38页 |
| ·分类器 | 第38-39页 |
| ·预测样本数据 | 第39页 |
| ·多类分类问题 | 第39-42页 |
| ·一对多方法(one against all,OAA) | 第39-40页 |
| ·一对一方法(one against one,OAO) | 第40-41页 |
| ·有向无环图多分类方法(Directed Acyclic Graph,DAG) | 第41-42页 |
| ·本章小结 | 第42-43页 |
| 5 人脸信息分析系统的实现 | 第43-59页 |
| ·系统的整体结构 | 第43页 |
| ·图像预处理 | 第43-46页 |
| ·图像的灰度化 | 第44页 |
| ·图像的灰度归一化 | 第44-45页 |
| ·图像的尺度归一化 | 第45-46页 |
| ·图像的掩码处理 | 第46页 |
| ·特征值与核函数 | 第46-50页 |
| ·特征值的数目 | 第46-48页 |
| ·核函数的选取 | 第48-50页 |
| ·表情分类 | 第50-53页 |
| ·表情数据库的建立 | 第50-51页 |
| ·表情分类的思想 | 第51-52页 |
| ·表情分类器的训练 | 第52-53页 |
| ·年龄分类 | 第53-56页 |
| ·年龄数据库的建立 | 第53-54页 |
| ·年龄分类的思想 | 第54-55页 |
| ·年龄分类器的训练 | 第55-56页 |
| ·系统的实现 | 第56-58页 |
| ·本章小结 | 第58-59页 |
| 6 总结与展望 | 第59-61页 |
| ·工作总结 | 第59页 |
| ·展望 | 第59-61页 |
| 致谢 | 第61-62页 |
| 参考文献 | 第62-65页 |
