| 摘要 | 第1-6页 |
| ABSTRACT | 第6-10页 |
| 第一章 引言 | 第10-13页 |
| ·人脸识别的研究意义及其研究现状 | 第10-11页 |
| ·人脸识别系统的组成 | 第11页 |
| ·研究的目的、内容和章节安排 | 第11-13页 |
| 第二章 人脸识别系统的评价标准 | 第13-19页 |
| ·评价一个识别系统的标准 | 第13页 |
| ·标准人脸库和评测协议 | 第13-19页 |
| ·FERET 人脸图像库 | 第14-15页 |
| ·AT& T 人脸图像库 | 第15-16页 |
| ·Yale 人脸图像库 | 第16-17页 |
| ·常用人脸图像库汇总 | 第17页 |
| ·评测协议 | 第17-19页 |
| 第三章 人脸检测 | 第19-43页 |
| ·图像处理技术基础 | 第19-26页 |
| ·边缘检测 | 第19-22页 |
| ·数学形态学 | 第22-24页 |
| ·颜色空间 | 第24-26页 |
| ·RGB 颜色空间 | 第24-25页 |
| ·YUV、YIQ 和YCbCr 颜色空间 | 第25页 |
| ·HSV 颜色空间 | 第25-26页 |
| ·HSI 颜色空间 | 第26页 |
| ·早期的人脸检测技术 | 第26-27页 |
| ·基于肤色的人脸检测 | 第27-29页 |
| ·基于肤色检测及特征验证的人脸检测 | 第28页 |
| ·基于肤色检测加聚类分割及特征验证的人脸检测 | 第28页 |
| ·基于肤色检测加Mosaic 法验证的人脸检测 | 第28-29页 |
| ·基于肤色检测加模板匹配的人脸检测 | 第29页 |
| ·基于肤色检测加神经网络验证的人脸检测 | 第29页 |
| ·其它方法 | 第29页 |
| ·基于ADABOOST 算法的人脸检测 | 第29-43页 |
| ·基于AdaBoost 算法的人脸检测的特点 | 第30-31页 |
| ·基于AdaBoost 算法的人脸检测所采用的特征 | 第31-32页 |
| ·积分图 | 第32-34页 |
| ·AdaBoost 算法的原理 | 第34-43页 |
| ·Boosting 算法 | 第34-35页 |
| ·AdaBoost 算法的描述 | 第35-36页 |
| ·人脸检测中AdaBoost 算法的具体实现 | 第36-38页 |
| ·层叠式级联分类器 | 第38-43页 |
| 第四章 人脸识别 | 第43-68页 |
| ·特征提取 | 第43-63页 |
| ·主成分分析（PCA） | 第43-47页 |
| ·线性判别式分析（LDA） | 第47-50页 |
| ·LDA 的实现原理 | 第47-49页 |
| ·针对小样本问题（SSSP）对LDA 所做的改进 | 第49-50页 |
| ·基于全局搜索策略的PCA | 第50-58页 |
| ·遗传算法 | 第52-53页 |
| ·基于遗传算法的改进PCA | 第53-55页 |
| ·实验结果 | 第55-58页 |
| ·基于全局搜索策略的LDA | 第58-63页 |
| ·算法思路 | 第58-60页 |
| ·实验结果 | 第60-63页 |
| ·分类器设计 | 第63-68页 |
| ·距离函数 | 第63-64页 |
| ·神经网络分类器 | 第64-68页 |
| ·BP 神经网络 | 第64-65页 |
| ·RBF 神经网络 | 第65-68页 |
| 第五章 系统的集成 | 第68-73页 |
| ·系统流程和人脸身份数据库结构 | 第68-69页 |
| ·系统运行过程简介 | 第69-73页 |
| 第六章 结束语 | 第73-74页 |
| 参考文献 | 第74-79页 |
| 致谢 | 第79-80页 |
| 攻读学位期间发表论文目录 | 第80页 |