| 摘要 | 第1-4页 |
| ABSTRACT | 第4-7页 |
| 第一章 绪论 | 第7-19页 |
| ·研究背景 | 第7-9页 |
| ·自动人脸识别的过程 | 第9-10页 |
| ·人脸检测与识别的算法回顾 | 第10-17页 |
| ·人脸检测的基本算法 | 第10-14页 |
| ·人脸识别的基本算法 | 第14-17页 |
| ·本文的研究内容和结构安排 | 第17-19页 |
| 第二章 基于核稀疏表示的分类算法及在人脸识别中的应用 | 第19-31页 |
| ·基于压缩感知的稀疏表示人脸识别算法 | 第19-21页 |
| ·稀疏表示分类算法 | 第19-20页 |
| ·稀疏表示分类算法的缺点 | 第20-21页 |
| ·核方法简介 | 第21-23页 |
| ·核稀疏表示分类算法(KSRC) | 第23-25页 |
| ·核稀疏表示分类算法的构建 | 第23-24页 |
| ·核稀疏表示分类算法的讨论 | 第24-25页 |
| ·仿真实验 | 第25-29页 |
| ·人工数据 | 第25-27页 |
| ·UCI数据 | 第27-28页 |
| ·Extended Yale B人脸数据库 | 第28-29页 |
| ·本章小结 | 第29-31页 |
| 第三章 基于核稀疏表示分类算法的多分类器集成 | 第31-39页 |
| ·多分类器集成 | 第31-35页 |
| ·多分类器集成概述 | 第31-33页 |
| ·分类器集成的拓扑结构 | 第33页 |
| ·多分类器的集成规则 | 第33-35页 |
| ·基于核稀疏表示分类的多分类器集成算法 | 第35-36页 |
| ·实验分析 | 第36-38页 |
| ·多分类器集成规则的选择 | 第36页 |
| ·多分类器集成后的识别率比较 | 第36-37页 |
| ·集成的规模对识别率的影响 | 第37-38页 |
| ·本章小结 | 第38-39页 |
| 第四章 基于1-NORM SVM的快速人脸检测 | 第39-49页 |
| ·标准支持向量机与1范数支持向量机 | 第39-42页 |
| ·标准支持向量机 | 第39-41页 |
| ·1范数支持向量机 | 第41-42页 |
| ·基于1-NORM SVM人脸检测系统的构建 | 第42-43页 |
| ·标准SVM与1-NORM SVM的实验结果对比 | 第43-47页 |
| ·在标准数据库上的实验 | 第44页 |
| ·在实际的数码照片上的实验 | 第44-47页 |
| ·本章小结 | 第47-49页 |
| 第五章 总结与展望 | 第49-51页 |
| ·本文总结 | 第49页 |
| ·工作展望 | 第49-51页 |
| 参考文献 | 第51-57页 |
| 致谢 | 第57-59页 |
| 作者研究生期间的研究成果 | 第59-60页 |