| 摘要 | 第1-7页 |
| ABSTRACT | 第7-10页 |
| 目录 | 第10-13页 |
| 图目录 | 第13-15页 |
| 表目录 | 第15-16页 |
| 第1章 绪论 | 第16-26页 |
| ·研究背景和项目情况 | 第16页 |
| ·身份识别的研究意义 | 第16-18页 |
| ·身份识别的主要方法 | 第18-19页 |
| ·基于人脸图像的身份识别问题描述 | 第19-20页 |
| ·基于人脸图像识别身份的优劣分析 | 第20-21页 |
| ·本文的主要研究内容和创新点 | 第21-23页 |
| ·本文的组织结构 | 第23-26页 |
| 第2章 研究综述 | 第26-34页 |
| ·基于人脸图像识别身份的发展历史 | 第26-27页 |
| ·基于人脸图像识别身份的主要方法 | 第27-31页 |
| ·基于人脸图像识别身份的可能趋势 | 第31-32页 |
| ·国内外公开的人脸图像数据库情况 | 第32-34页 |
| 第3章 基于人脸图像抗光照与表情变化的身份识别研究 | 第34-54页 |
| ·相关研究 | 第35-39页 |
| ·抗表情变化 | 第35-36页 |
| ·抗光照变化 | 第36-38页 |
| ·抗表情和光照复合变化 | 第38-39页 |
| ·基于最小强度差树模型的识别算法(MIDT) | 第39-43页 |
| ·问题描述 | 第39页 |
| ·算法介绍 | 第39-42页 |
| ·实验结果与分析 | 第42-43页 |
| ·基于MIDT改进的快速识别算法(FTM) | 第43-46页 |
| ·问题描述 | 第43-44页 |
| ·算法介绍 | 第44-45页 |
| ·实验结果与分析 | 第45-46页 |
| ·融合特征与区域梯度的稠密匹配算法(FRGF) | 第46-52页 |
| ·问题描述 | 第46-47页 |
| ·算法介绍 | 第47-50页 |
| ·实验结果与分析 | 第50-52页 |
| ·本章小结 | 第52-54页 |
| 第4章 基于人脸图像抗姿态变化与遮挡的身份识别研究 | 第54-82页 |
| ·相关研究 | 第55-58页 |
| ·抗姿态变化 | 第55-57页 |
| ·抗遮挡变化 | 第57-58页 |
| ·抗姿态和遮挡复合变化 | 第58页 |
| ·基于自适应多粒度的稠密匹配识别算法(APP) | 第58-66页 |
| ·问题描述 | 第58-59页 |
| ·算法介绍 | 第59-62页 |
| ·实验结果与分析 | 第62-66页 |
| ·基于APP改进的快速识别算法(FSI) | 第66-70页 |
| ·问题描述 | 第66页 |
| ·算法介绍 | 第66-68页 |
| ·实验结果与分析 | 第68-70页 |
| ·基于迭代堆栈式去噪自编码器的识别算法(ISDAE) | 第70-79页 |
| ·问题描述 | 第71页 |
| ·算法介绍 | 第71-76页 |
| ·实验结果与分析 | 第76-79页 |
| ·本章小结 | 第79-82页 |
| 第5章 富样本下可学习的身份识别技术研究 | 第82-88页 |
| ·问题描述 | 第82页 |
| ·相关研究 | 第82-83页 |
| ·基于稠密匹配的特征提取方法 | 第83页 |
| ·富样本下可学习的身份识别算法(SVMSR) | 第83-86页 |
| ·本章小结 | 第86-88页 |
| 第6章 基于身份的视频镜头检索研究 | 第88-96页 |
| ·问题描述 | 第88页 |
| ·相关研究 | 第88-89页 |
| ·基于身份的视频镜头检索算法(TA) | 第89-95页 |
| ·本章小结 | 第95-96页 |
| 第7章 总结与展望 | 第96-100页 |
| ·研究的问题与意义 | 第96页 |
| ·本文研究内容与主要贡献 | 第96-98页 |
| ·后续工作 | 第98-100页 |
| 参考文献 | 第100-116页 |
| 致谢 | 第116-117页 |
| 在读期间发表的学术论文与取得的研究成果 | 第117-119页 |
