| 中文摘要 | 第1-6页 |
| 英文摘要 | 第6-13页 |
| 1 绪论 | 第13-24页 |
| 1．1 引言 | 第13-14页 |
| 1．2 生物特征识别技术简介 | 第14-16页 |
| 1．2．1 生物特征识别 | 第14-15页 |
| 1．2．2 生物特征识别技术的应用 | 第15-16页 |
| 1．3 人脸识别 | 第16-22页 |
| 1．3．1 人脸识别的研究内容 | 第18-19页 |
| 1．3．2 人脸检测 | 第19-20页 |
| 1．3．3 人脸识别 | 第20-22页 |
| 1．4 研究目标及论文内容安排 | 第22-24页 |
| 1．4．1 研究目标 | 第22-23页 |
| 1．4．2 论文内容安排 | 第23-24页 |
| 2 人脸检测与识别方法总体方案 | 第24-34页 |
| 2．1 人脸检测常用方法 | 第24-28页 |
| 2．1．1 基于分布特征的学习方法 | 第24-26页 |
| 2．1．2 神经网络方法 | 第26-27页 |
| 2．1．3 基于支持向量机检测方法 | 第27-28页 |
| 2．2 人脸检测方案 | 第28-29页 |
| 2．3 人脸识别常用方法 | 第29-31页 |
| 2．3．1 互相关方法 | 第29-30页 |
| 2．3．2 基于K－L变换的方法 | 第30页 |
| 2．3．3 线性判别方法 | 第30-31页 |
| 2．3．4 基于隐马尔可夫模型的方法 | 第31页 |
| 2．4 人脸识别方案 | 第31-32页 |
| 2．5 小结 | 第32-34页 |
| 3 基于支持向量机的人脸检测方法 | 第34-64页 |
| 3．1 引言 | 第34-36页 |
| 3．2 机器学习的基本问题 | 第36-38页 |
| 3．2．1 学习问题的一般表示 | 第36-37页 |
| 3．2．2 经验风险最小化归纳原则 | 第37页 |
| 3．2．3 复杂性与推广能力 | 第37-38页 |
| 3．3 统计学习理论 | 第38-41页 |
| 3．3．1 VC维数与VC上界 | 第38-40页 |
| 3．3．2 结构风险最小化归纳法 | 第40-41页 |
| 3．4 支持向量机 | 第41-51页 |
| 3．4．1 最优分类超平面 | 第41-42页 |
| 3．4．2 广义最优分类面 | 第42-43页 |
| 3．4．3 支持向量机 | 第43-46页 |
| 3．4．4 v支持向量机 | 第46-48页 |
| 3．4．5 支持向量机的训练算法 | 第48-51页 |
| 3．5 基于支持向量机的人脸检测方法 | 第51-63页 |
| 3．5．1 学习样本的收集 | 第51-53页 |
| 3．5．2 图像预处理 | 第53-56页 |
| 3．5．3 人脸检测系统构造 | 第56-58页 |
| 3．5．4 实验结果 | 第58-63页 |
| 3．6 小结 | 第63-64页 |
| 4 动态人脸自动检测方法 | 第64-89页 |
| 4．1 引言 | 第64-65页 |
| 4．2 基于运动物体检测的背景分离 | 第65-73页 |
| 4．2．1 图像序列分析 | 第66页 |
| 4．2．2 差图像运动分析 | 第66-67页 |
| 4．2．3 累积差图像运动分析 | 第67-68页 |
| 4．2．4 基于差图像的人脸位置检测 | 第68-69页 |
| 4．2．5 基于数学形态学的图像处理 | 第69-73页 |
| 4．3 基于皮肤颜色模型的人脸位置检测 | 第73-84页 |
| 4．3．1 彩色图像常用彩色空间模型 | 第73-78页 |
| 4．3．2 彩色空间模型的选择 | 第78-79页 |
| 4．3．3 皮肤颜色模型的确定 | 第79-84页 |
| 4．4 以支持向量机为核心的动态人脸检测 | 第84-85页 |
| 4．5 图像质量评价 | 第85-88页 |
| 4．6 小结 | 第88-89页 |
| 5 基于隐马尔可夫模型的人脸识别方法 | 第89-116页 |
| 5．1 引言 | 第89-90页 |
| 5．2 隐马尔可夫模型 | 第90-99页 |
| 5．2．1 马尔可夫链 | 第90-91页 |
| 5．2．2 隐马尔可夫模型的基本概念 | 第91-92页 |
| 5．2．3 马尔可夫链的形状 | 第92-93页 |
| 5．2．4 隐马尔可夫模型的三个基本问题 | 第93-98页 |
| 5．2．5 连续HMM | 第98页 |
| 5．2．6 HMM初始模型的选取 | 第98-99页 |
| 5．3 人脸识别的一维隐马尔可夫模型 | 第99-101页 |
| 5．4 基于伪二维HMM的人脸识别方法 | 第101-106页 |
| 5．4．1 伪二维隐马尔可夫模型 | 第101-102页 |
| 5．4．2 预处理 | 第102-103页 |
| 5．4．3 基于P2DHMM的人脸识别 | 第103-105页 |
| 5．4．4 实验结果 | 第105-106页 |
| 5．5 基于小波变换的HMM人脸识别方法 | 第106-115页 |
| 5．5．1 小波定义 | 第107-108页 |
| 5．5．2 小波基函数的选择 | 第108页 |
| 5．5．3二 维离散小波变换 | 第108-111页 |
| 5．5．4 基于小波变换的HMM人脸识别方法 | 第111-113页 |
| 5．5．5 试验结果及评价 | 第113-115页 |
| 5．6 小结 | 第115-116页 |
| 6 多分类器组合的人脸识别方法 | 第116-136页 |
| 6．1 引言 | 第116-117页 |
| 6．2 基于特征脸的人脸识别方法 | 第117-127页 |
| 6．2．1 离散Karhunen-Loeve变换 | 第117-119页 |
| 6．2．2 KL展开式的性质及坐标系的产生矩阵 | 第119-122页 |
| 6．2．3 判别信息的提取 | 第122-123页 |
| 6．2．4 基于特征脸的人脸识别 | 第123-125页 |
| 6．2．5 实验结果 | 第125-127页 |
| 6．3 基于支持向量机的人脸识别方法 | 第127-132页 |
| 6．3．1 多类模式分类支持向量机 | 第127-130页 |
| 6．3．2 基于SVM的人脸识别方法及试验结果 | 第130-132页 |
| 6．4 多分类器组合的人脸识别方法 | 第132-134页 |
| 6．5 试验结果及评价 | 第134-135页 |
| 6．6 小结 | 第135-136页 |
| 7 全文工作总结与今后工作展望 | 第136-138页 |
| 致谢 | 第138-139页 |
| 参考文献 | 第139-147页 |
| 附：1．作者在攻读博士学位期间发表的论文目录 | 第147-148页 |
| 2． 作者在攻读博士学位期间参加科研项目及得奖情况 | 第148页 |