| 致谢 | 第5-7页 |
| 摘要 | 第7-9页 |
| Abstract | 第9-11页 |
| 第一章 绪论 | 第21-42页 |
| 1.1 人脸识别研究的背景和意义 | 第21-23页 |
| 1.2 人脸识别研究概述 | 第23-30页 |
| 1.2.1 人脸识别发展概略 | 第23-25页 |
| 1.2.2 国内外研究进展 | 第25-30页 |
| 1.3 人脸识别中常用的规范标准 | 第30-31页 |
| 1.3.1 人脸识别中的相似性测量 | 第30页 |
| 1.3.2 人脸识别中常用的分类准则 | 第30页 |
| 1.3.3 人脸识别评价标准 | 第30-31页 |
| 1.4 人脸识别中的难点 | 第31-33页 |
| 1.4.1 国外测试简介 | 第31-32页 |
| 1.4.2 存在的问题 | 第32-33页 |
| 1.5 视频稳像 | 第33-35页 |
| 1.5.1 运动估计 | 第34-35页 |
| 1.5.2 运动滤波 | 第35页 |
| 1.6 人脸识别中光照问题 | 第35-39页 |
| 1.6.1 被动方法 | 第35-38页 |
| 1.6.2 主动方法 | 第38-39页 |
| 1.7 课题来源与主要研究内容 | 第39-41页 |
| 1.8 本章小结 | 第41-42页 |
| 第二章 视频人脸识别过程和关键问题分析 | 第42-54页 |
| 2.1 视频人脸识别过程 | 第42-43页 |
| 2.2 视频人脸识别关键问题分析 | 第43-53页 |
| 2.2.1 视频稳像分析 | 第43-45页 |
| 2.2.2 人脸检测定位 | 第45-46页 |
| 2.2.3 人脸光照不变特征提取 | 第46-50页 |
| 2.2.4 分类器设计理论及分析 | 第50-53页 |
| 2.3 本章小结 | 第53-54页 |
| 第三章 视频稳像算法与视频人脸图像稳定获取 | 第54-77页 |
| 3.1 引言 | 第54页 |
| 3.2 视频稳像算法 | 第54-75页 |
| 3.2.1 传统视频稳像算法 | 第54-56页 |
| 3.2.2 运动成像模型 | 第56-59页 |
| 3.2.3 基于不变矩的块匹配 | 第59-60页 |
| 3.2.4 前景运动滤除 | 第60页 |
| 3.2.5 自适应步长均值运动滤波 | 第60-61页 |
| 3.2.6 视频稳像实验与分析 | 第61-75页 |
| 3.3 视频人脸图像稳定获取 | 第75-76页 |
| 3.4 本章小结 | 第76-77页 |
| 第四章 基于Adaboost算法的人脸检测 | 第77-83页 |
| 4.1 Adaboost算法简介 | 第77-78页 |
| 4.2 Haar-Like特征 | 第78-79页 |
| 4.3 分类器生成 | 第79-81页 |
| 4.4 实验 | 第81-82页 |
| 4.5 本章小结 | 第82-83页 |
| 第五章 基于滤波和LBP人脸高阶光照不变特征提取 | 第83-94页 |
| 5.1 基于滤波方法的光照不变特征提取 | 第83-87页 |
| 5.1.1 Retinex算法 | 第83-84页 |
| 5.1.2 同态滤波 | 第84-85页 |
| 5.1.3 各向同性扩散滤波 | 第85页 |
| 5.1.4 各向异性扩散滤波 | 第85-87页 |
| 5.2 局部二值模式(Local Binary Pattern,LBP) | 第87-88页 |
| 5.3 人脸高阶光照不变特征提取 | 第88-89页 |
| 5.4 实验与分析 | 第89-93页 |
| 5.4.1 数据库介绍 | 第89-90页 |
| 5.4.2 实验结果及分析 | 第90-93页 |
| 5.5 本章小结 | 第93-94页 |
| 第六章 基于非局部NeighShrink滤波的降维光照不变特征提取 | 第94-121页 |
| 6.1 引言 | 第94页 |
| 6.2 非局部NeighShrink滤波 | 第94-106页 |
| 6.2.1 小波分析 | 第94-97页 |
| 6.2.2 小波滤波与人脸光照不变特征提取 | 第97-103页 |
| 6.2.3 非局部NeighShrink滤波 | 第103-106页 |
| 6.3 降维特征的提取 | 第106-109页 |
| 6.3.1 数据融合技术 | 第106-108页 |
| 6.3.2 降维特征的提取 | 第108-109页 |
| 6.4 实验与分析 | 第109-120页 |
| 6.4.1 数据库介绍 | 第109-110页 |
| 6.4.2 实验结果 | 第110-118页 |
| 6.4.3 实际采集数据实验 | 第118-119页 |
| 6.4.4 实验分析 | 第119-120页 |
| 6.5 本章小结 | 第120-121页 |
| 第七章 基于改进的多数投票法多分类器集成及集成系统多样性研究 | 第121-145页 |
| 7.1 引言 | 第121-122页 |
| 7.2 多数投票法及其改进 | 第122-125页 |
| 7.2.1 多数投票法 | 第122-124页 |
| 7.2.2 改进的多数投票法 | 第124-125页 |
| 7.3 多分类器集成分类实验 | 第125-129页 |
| 7.3.1 数据集介绍 | 第125-126页 |
| 7.3.2 实验结果 | 第126-129页 |
| 7.4 多分类器集成多样性研究 | 第129-133页 |
| 7.4.1 传统多样性测量的分析 | 第129-131页 |
| 7.4.2 基于Shapley值的多样性度量 | 第131-133页 |
| 7.5 集成系统多样性实验 | 第133-144页 |
| 7.5.1 数据集介绍 | 第133-134页 |
| 7.5.2 实验结果与分析 | 第134-144页 |
| 7.6 本章小结 | 第144-145页 |
| 第八章 人脸识别系统的实现 | 第145-156页 |
| 8.1 引言 | 第145-146页 |
| 8.2 系统组成及其功能 | 第146-147页 |
| 8.3 系统工作流程 | 第147-153页 |
| 8.3.1 系统工作流程概况 | 第147页 |
| 8.3.2 系统的具体操作流程 | 第147-153页 |
| 8.4 实验 | 第153-155页 |
| 8.5 本章小结 | 第155-156页 |
| 第九章 总结和展望 | 第156-161页 |
| 9.1 全文总结 | 第156-159页 |
| 9.2 论文创新点 | 第159页 |
| 9.3 展望 | 第159-161页 |
| 参考文献 | 第161-181页 |
| 攻读博士学位期间的主要科研成果 | 第181页 |
