| 摘要 | 第5-6页 |
| ABSTRACT | 第6页 |
| 第一章 绪论 | 第9-15页 |
| 1.1 选题背景和研究意义 | 第9-10页 |
| 1.2 人脸识别技术发展和现状 | 第10-14页 |
| 1.2.1 发展历程 | 第10-12页 |
| 1.2.2 研究现状 | 第12-14页 |
| 1.3 本文主要工作和章节安排 | 第14-15页 |
| 1.3.1 主要工作 | 第14页 |
| 1.3.2 章节安排 | 第14-15页 |
| 第二章 两种经典图像特征提取算法回顾 | 第15-26页 |
| 2.1 局部二值模式（LBP） | 第15-21页 |
| 2.1.1 LBP算子基本原理 | 第15-18页 |
| 2.1.2 LBP算子发展与改进 | 第18-20页 |
| 2.1.3 LBP在人脸识别中应用 | 第20-21页 |
| 2.2 梯度直方图（HOG） | 第21-25页 |
| 2.2.1 HOG算子基本原理 | 第21-23页 |
| 2.2.2 HOG在人脸识别中应用 | 第23-25页 |
| 2.3 本章小结 | 第25-26页 |
| 第三章 三种经典人脸识别方法回顾 | 第26-39页 |
| 3.1 主成分分析法（PCA） | 第26-29页 |
| 3.1.1 PCA算法原理分析 | 第26-28页 |
| 3.1.2 基于PCA的人脸识别 | 第28-29页 |
| 3.2 线性判别分析（LDA） | 第29-33页 |
| 3.2.1 LDA算法原理分析 | 第30-32页 |
| 3.2.2 基于LDA的人脸识别 | 第32-33页 |
| 3.3 支持向量机（SVM） | 第33-38页 |
| 3.3.1 SVM原理分析 | 第34-36页 |
| 3.3.2 SVM分类应用 | 第36-38页 |
| 3.4 本章小结 | 第38-39页 |
| 第四章 基于多尺度局部特征与全局特征的人脸验证方法 | 第39-53页 |
| 4.1 多尺度理论 | 第39页 |
| 4.2 特征的融合 | 第39-43页 |
| 4.2.1 LBP局部特征 | 第41-42页 |
| 4.2.2 HOG全局特征 | 第42-43页 |
| 4.3 实验及结果分析 | 第43-48页 |
| 4.3.1 人脸库简介 | 第44-45页 |
| 4.3.2 结果与分析 | 第45-48页 |
| 4.4 演示系统实现 | 第48-52页 |
| 4.4.1 系统框架 | 第48-49页 |
| 4.4.2 系统功能 | 第49-52页 |
| 4.5 本章小结 | 第52-53页 |
| 总结与展望 | 第53-55页 |
| 工作总结 | 第53-54页 |
| 工作展望 | 第54-55页 |
| 参考文献 | 第55-60页 |
| 攻读硕士学位期间取得的研究成果 | 第60-61页 |
| 致谢 | 第61-62页 |
| 附表 | 第62页 |