| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 1 绪论 | 第11-27页 |
| 1.1 人脸识别的意义 | 第11-12页 |
| 1.2 人脸识别的发展简史 | 第12-15页 |
| 1.3 人脸识别技术 | 第15-25页 |
| 1.3.1 人脸检测 | 第16-17页 |
| 1.3.2 特征点定位 | 第17-18页 |
| 1.3.3 特征提取 | 第18-23页 |
| 1.3.4 分类器设计 | 第23-25页 |
| 1.4 本文的主要内容 | 第25页 |
| 1.5 本文的内容安排 | 第25-27页 |
| 2 基于Gabor小波的特征生成方法 | 第27-37页 |
| 2.1 引言 | 第27-28页 |
| 2.2 局部特征描述子方法 | 第28-32页 |
| 2.2.1 局部二值模式 | 第28-30页 |
| 2.2.2 局部三值模式 | 第30-31页 |
| 2.2.3 中心对称二值模式 | 第31页 |
| 2.2.4 Gabor变换 | 第31-32页 |
| 2.2.5 局部Gabor二值模式 | 第32页 |
| 2.3 两种改进的局部Gabor纹理模式方法 | 第32-33页 |
| 2.4 实验结果 | 第33-36页 |
| 2.4.1 数据集 | 第34页 |
| 2.4.2 实验结果 | 第34-36页 |
| 2.5 本章小结 | 第36-37页 |
| 3 基于协同表示的人脸识别方法 | 第37-58页 |
| 3.1 引言 | 第37-39页 |
| 3.2 协同表示分类 | 第39-40页 |
| 3.3 一种协同表示分析特征提取方法 | 第40-44页 |
| 3.3.1 思想 | 第40-41页 |
| 3.3.2 分类 | 第41-42页 |
| 3.3.3 讨论 | 第42页 |
| 3.3.4 实验 | 第42-44页 |
| 3.4 一种核协同表示分析特征提取方法 | 第44-47页 |
| 3.4.1 核函数 | 第44-46页 |
| 3.4.2 核协同表示分析 | 第46-47页 |
| 3.4.3 实验 | 第47页 |
| 3.5 种对称协同表示分析特征提取方法 | 第47-50页 |
| 3.5.1 基本思想 | 第47-49页 |
| 3.5.2 算法 | 第49页 |
| 3.5.3 实验 | 第49-50页 |
| 3.6 一种协同表示重构投影特征提取方法 | 第50-57页 |
| 3.6.1 基本思想 | 第50-51页 |
| 3.6.2 推导 | 第51-52页 |
| 3.6.3 执行算法 | 第52页 |
| 3.6.4 同其他方法的关联 | 第52-53页 |
| 3.6.5 实验 | 第53-57页 |
| 3.7 结论 | 第57-58页 |
| 4 一种基于局部均值表示的分类方法 | 第58-70页 |
| 4.1 引言 | 第58-59页 |
| 4.2 均值表示分类 | 第59-60页 |
| 4.3 局部均值分类 | 第60-63页 |
| 4.3.1 动机 | 第60页 |
| 4.3.2 算法 | 第60-61页 |
| 4.3.3 核局部均值分类 | 第61-63页 |
| 4.4 实验 | 第63-69页 |
| 4.4.1 在PolyU掌纹数据库上的实验 | 第63-65页 |
| 4.4.2 在AR人脸库上的实验 | 第65-67页 |
| 4.4.3 在CMU PIE人脸库上的实验 | 第67-69页 |
| 4.5. 本章小结 | 第69-70页 |
| 5 基于多尺度子块矩阵回归的人脸识别 | 第70-84页 |
| 5.1 引言 | 第70-71页 |
| 5.2 相关工作 | 第71-72页 |
| 5.2.1 基于核范数的矩阵回归(NMR) | 第71-72页 |
| 5.2.2 基于块的协同表示分类(Patch-based CRC) | 第72页 |
| 5.3 基于多尺度子块矩阵回归 | 第72-75页 |
| 5.3.1 基本思想 | 第72-73页 |
| 5.3.2 基于子块的矩阵回归 | 第73-75页 |
| 5.4 多尺度集成 | 第75-77页 |
| 5.5 实验 | 第77-83页 |
| 5.5.1 无遮挡人脸识别 | 第78-80页 |
| 5.5.2 带遮挡人脸识别 | 第80-82页 |
| 5.5.3 讨论 | 第82-83页 |
| 5.6 本章小结 | 第83-84页 |
| 结束语 | 第84-87页 |
| 致谢 | 第87-88页 |
| 参考文献 | 第88-102页 |
| 附录 | 第102页 |