| 摘要 | 第6-8页 |
| ABSTRACT | 第8-9页 |
| 第一章 绪论 | 第12-20页 |
| 1.1 研究前景、目的和意义 | 第12-13页 |
| 1.2 国内外研究现状与分析 | 第13-17页 |
| 1.3 本论文课题来源、研究内容和主要贡献 | 第17-18页 |
| 1.4 论文的主要结构安排 | 第18-20页 |
| 第二章 基于椭圆模型复杂场景高效人头检测 | 第20-34页 |
| 2.1 引言 | 第20页 |
| 2.2 基于椭圆模型的视频人头检测与定位 | 第20-27页 |
| 2.2.1 人头图像预处理及验证 | 第20-24页 |
| 2.2.2 人头跟踪 | 第24-27页 |
| 2.3 实验结果和分析 | 第27-33页 |
| 2.4 小结 | 第33-34页 |
| 第三章 基于迹范数最小化快速人脸检测 | 第34-56页 |
| 3.1 引言 | 第34页 |
| 3.2 基于Schatten p范数最小化机器学习方法 | 第34-41页 |
| 3.3 实验结果和分析 | 第41-54页 |
| 3.3.1 算法有效性及通用性验证 | 第42-51页 |
| 3.3.2 人脸检测实验结果及其分析与讨论 | 第51-54页 |
| 3.4 小结 | 第54-56页 |
| 第四章 基于融合哈希中间处理级联架构人脸检测 | 第56-76页 |
| 4.1 引言 | 第56-57页 |
| 4.2 弱监督拉普拉斯哈希方法 | 第57-64页 |
| 4.3 基于哈希中间处理级联架构人脸检测 | 第64-66页 |
| 4.4 实验结果和分析 | 第66-75页 |
| 4.5 小结 | 第75-76页 |
| 第五章 基于多子空间线性判别分析人脸识别 | 第76-92页 |
| 5.1 引言 | 第76-77页 |
| 5.2 多子空间线性判别分析 | 第77-83页 |
| 5.2.1 线性判别分析 | 第77-78页 |
| 5.2.2 多子空间 | 第78-80页 |
| 5.2.3 多子空间迹比值目标函数求解 | 第80-83页 |
| 5.3 实验结果和分析 | 第83-91页 |
| 5.4 小结 | 第91-92页 |
| 第六章 基于非均匀一维尺子模型人脸识别 | 第92-104页 |
| 6.1 引言 | 第92-94页 |
| 6.2 基于非均匀一维尺子模型人脸识别 | 第94-96页 |
| 6.3 实验结果和分析 | 第96-102页 |
| 6.4 小结 | 第102-104页 |
| 第七章 基于L0范数最小化矩阵填充人脸识别 | 第104-124页 |
| 7.1 引言 | 第104-106页 |
| 7.2 L_0范数最小化问题建模及其目标函数 | 第106-107页 |
| 7.3 目标函数松弛化及其优化 | 第107-111页 |
| 7.3.1 目标函数的优化迭代求解 | 第108-110页 |
| 7.3.2 自适应迭代步长控制 | 第110-111页 |
| 7.4 实验结果分析与讨论 | 第111-121页 |
| 7.4.1 人脸图像年龄估计 | 第111-113页 |
| 7.4.2 远程视频流身份识别 | 第113-121页 |
| 7.5 小结 | 第121-124页 |
| 第八章 结论与展望 | 第124-128页 |
| 参考文献 | 第128-146页 |
| 作者在攻读博士学位期间公开发表的论文 | 第146-148页 |
| 作者在攻读博士学位期间所作的项目 | 第148页 |
| 作者在攻读博士学位期间所获的奖项 | 第148-150页 |
| 致谢 | 第150页 |