| 摘要 | 第3-4页 |
| Abstract | 第4页 |
| 第一章 绪论 | 第9-24页 |
| 1.1 研究背景和意义 | 第9-10页 |
| 1.2 人脸识别研究的历史 | 第10-11页 |
| 1.3 机器学习 | 第11-15页 |
| 1.4 人脸识别 | 第15-19页 |
| 1.4.1 人脸识别方法分类 | 第15-16页 |
| 1.4.2 人脸识别主流方法 | 第16-19页 |
| 1.5 人脸检测 | 第19-22页 |
| 1.5.1 人脸检测难点 | 第19-20页 |
| 1.5.2 人脸检测的主要方法 | 第20-22页 |
| 1.6 本文工作的概述和结构 | 第22-24页 |
| 1.6.1 本文的工作概述 | 第22页 |
| 1.6.2 本文的结构 | 第22-24页 |
| 第二章 进化特征提取算法 | 第24-45页 |
| 2.1 引言 | 第24页 |
| 2.2 特征提取 | 第24-29页 |
| 2.2.1 PCA 和Eigenfaces | 第25-27页 |
| 2.2.2 LDA 和Fisherfaces | 第27-29页 |
| 2.3 遗传算法 | 第29-34页 |
| 2.3.1 遗传算法的一般框架 | 第30-31页 |
| 2.3.2 遗传算法在特征提取中的应用现状 | 第31-34页 |
| 2.4 Bagging 进化特征提取算法 | 第34-41页 |
| 2.4.1 引言 | 第34页 |
| 2.4.2 改进的直接进化特征提取算法 | 第34-39页 |
| 2.4.3 Bagging 进化特征提取算法 | 第39-41页 |
| 2.5 实验结果与分析 | 第41-44页 |
| 2.5.1 人脸数据库 | 第41页 |
| 2.5.2 参数设置 | 第41-42页 |
| 2.5.3 实验结果与分析 | 第42-44页 |
| 2.6 本章小结 | 第44-45页 |
| 第三章 基于Adaboost 和非负矩阵分解的人脸识别系统 | 第45-69页 |
| 3.1 人脸识别系统 | 第45-46页 |
| 3.2 Adaboost 方法 | 第46-50页 |
| 3.3 非负矩阵分解 | 第50-59页 |
| 3.3.1 非负矩阵分解的定义 | 第51-52页 |
| 3.3.2 非负矩阵分解的算法实现 | 第52-56页 |
| 3.3.3 非负矩阵分解方法的改进 | 第56-59页 |
| 3.4 人脸识别性能指标 | 第59页 |
| 3.5 基于Adaboost 和NMF 的人脸识别系统 | 第59-68页 |
| 3.5.1 人脸库获取 | 第59-60页 |
| 3.5.2 人脸库训练 | 第60-61页 |
| 3.5.3 人脸识别 | 第61页 |
| 3.5.4 标准人脸库测试 | 第61-68页 |
| 3.6 本章小结 | 第68-69页 |
| 第四章 工作总结和展望 | 第69-71页 |
| 4.1 工作总结 | 第69页 |
| 4.2 未来的工作展望 | 第69-71页 |
| 参考文献 | 第71-76页 |
| 致谢 | 第76-77页 |
| 攻读硕士学位期间公开发表的论文 | 第77-79页 |