| 摘要 | 第3-4页 |
| Abstract | 第4页 |
| 1 绪论 | 第12-20页 |
| 1.1 引言 | 第12页 |
| 1.2 研究背景及研究现状 | 第12-18页 |
| 1.2.1 研究背景 | 第12-14页 |
| 1.2.2 国内外研究现状 | 第14-16页 |
| 1.2.3 人脸识别的技术难点 | 第16-18页 |
| 1.3 研究内容及章节安排 | 第18-20页 |
| 2 压缩感知理论分析与研究 | 第20-36页 |
| 2.1 压缩感知的概念与问题描述 | 第20-25页 |
| 2.1.1 压缩感知的概念 | 第20-22页 |
| 2.1.2 压缩感知的问题描述 | 第22-24页 |
| 2.1.3 约束等距性质 | 第24-25页 |
| 2.2 稀疏表示理论 | 第25-28页 |
| 2.2.1 信号的稀疏表示 | 第25-26页 |
| 2.2.2 信号稀疏表示方法 | 第26-27页 |
| 2.2.3 稀疏系数的求解 | 第27-28页 |
| 2.3 测量编码 | 第28-30页 |
| 2.3.1 随机高斯测量矩阵 | 第29页 |
| 2.3.2 随机伯努利(bernoulli)测量矩阵 | 第29-30页 |
| 2.3.3 稀疏随机测量矩阵 | 第30页 |
| 2.3.4 局部哈达玛测量矩阵 | 第30页 |
| 2.4 信号的重构 | 第30-35页 |
| 2.4.1 几种代表性的重建算法 | 第31-32页 |
| 2.4.2 几种算法的MATLAB仿真实现 | 第32-35页 |
| 2.5 本章小结 | 第35-36页 |
| 3 人脸识别理论分析与研究 | 第36-45页 |
| 3.1 引言 | 第36页 |
| 3.2 人脸图像识别系统的构成 | 第36-37页 |
| 3.3 特征提取算法 | 第37-43页 |
| 3.3.1 下采样法 | 第37-38页 |
| 3.3.2 主成分分析法 | 第38-41页 |
| 3.3.3 核主成分分析法(KPCA) | 第41-43页 |
| 3.4 分类识别方法 | 第43-44页 |
| 3.5 本章小结 | 第44-45页 |
| 4 基于压缩感知的人脸识别算法与仿真实现 | 第45-68页 |
| 4.1 引言 | 第45页 |
| 4.2 SRC算法设计 | 第45-47页 |
| 4.2.1 SRC算法原理 | 第45-46页 |
| 4.2.2 结合特征提取的稀疏表示算法 | 第46-47页 |
| 4.3 算法实现与仿真分析 | 第47-62页 |
| 4.3.1 人脸数据库介绍 | 第47-49页 |
| 4.3.2 三种算法在ORL人脸库中的仿真分析 | 第49-54页 |
| 4.3.3 三种算法在Yale数据库上的仿真分析 | 第54-58页 |
| 4.3.4 三种算法在YaleB数据库上的仿真分析 | 第58-62页 |
| 4.4 存在的问题及算法改进 | 第62-67页 |
| 4.4.1 图像分块 | 第62-63页 |
| 4.4.2 基于结构稀疏表示的人脸识别算法 | 第63-64页 |
| 4.4.3 改进算法实现与仿真分析 | 第64-67页 |
| 4.5 本章小结 | 第67-68页 |
| 5 人脸识别系统的设计及实现 | 第68-78页 |
| 5.1 引言 | 第68页 |
| 5.2 系统概述 | 第68-69页 |
| 5.2.1 系统的硬件与软件运行环境 | 第68-69页 |
| 5.2.2 系统采用的人脸识别算法 | 第69页 |
| 5.2.3 系统的主要功能 | 第69页 |
| 5.3 系统界面实现 | 第69-70页 |
| 5.3.1 人脸图像获取 | 第69页 |
| 5.3.2 系统框架结构 | 第69页 |
| 5.3.3 系统界面 | 第69-70页 |
| 5.4 结合人脸识别算法的储物柜系统的设计及实现 | 第70-77页 |
| 5.4.1 储物柜的总体设计 | 第71-72页 |
| 5.4.2 储物柜系统硬件设计 | 第72-75页 |
| 5.4.3 储物柜系统软件设计 | 第75页 |
| 5.4.4 人脸识别储物柜系统实验结果与分析 | 第75-77页 |
| 5.6 本章小结 | 第77-78页 |
| 6 工作总结与展望 | 第78-80页 |
| 6.1 工作总结 | 第78页 |
| 6.2 工作展望 | 第78-80页 |
| 致谢 | 第80-81页 |
| 参考文献 | 第81-85页 |
| 附录 | 第85页 |