| 摘要 | 第3-5页 |
| ABSTRACT | 第5-6页 |
| 1 绪论 | 第10-15页 |
| 1.1 人脸识别技术的研究背景与意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-13页 |
| 1.3 文章的主要工作和结构安排 | 第13-15页 |
| 1.3.1 文章的主要工作 | 第13页 |
| 1.3.2 文章的结构安排 | 第13-15页 |
| 2 基于稀疏表征的人脸识别技术 | 第15-21页 |
| 2.1 压缩传感理论 | 第15-17页 |
| 2.1.1 稀疏表征 | 第15-16页 |
| 2.1.2 设计字典矩阵 | 第16页 |
| 2.1.3 信号的重构 | 第16-17页 |
| 2.2 基于稀疏表征的人脸识别(SRC)模型 | 第17-20页 |
| 2.2.1 SRC模型简介 | 第17-18页 |
| 2.2.2 SRC模型的基本原理 | 第18-19页 |
| 2.2.3 SRC模型实现的关键要素 | 第19-20页 |
| 2.3 本章小结 | 第20-21页 |
| 3 基于协同表征的人脸识别技术 | 第21-26页 |
| 3.1 基于协同表征的人脸识别(CRC)模型 | 第21-23页 |
| 3.1.1 CRC模型简介 | 第21页 |
| 3.1.2 CRC模型的基本原理 | 第21-22页 |
| 3.1.3 CRC模型实现的关键要素 | 第22-23页 |
| 3.2 CRC模型在速度上的优势 | 第23页 |
| 3.3 协同表征的思想 | 第23-25页 |
| 3.4 本章小结 | 第25-26页 |
| 4 基于稀疏与协同联合表征的人脸识别技术研究 | 第26-38页 |
| 4.1 基于稀疏与协同联合表征的人脸识别(S-CRC)模型 | 第26-29页 |
| 4.1.1 线性回归与稀疏编码 | 第26-27页 |
| 4.1.2 S CRC模型 | 第27-28页 |
| 4.1.3 凸松弛与S CRC模型的凹凸性质 | 第28-29页 |
| 4.2 S CRC算法 | 第29-30页 |
| 4.3 实验结果 | 第30-36页 |
| 4.3.1 选取三种算法的最优参数 | 第31-33页 |
| 4.3.2 非遮挡数据库下的识别率对比 | 第33-34页 |
| 4.3.3 AR遮挡数据库试验 | 第34页 |
| 4.3.4 特征维数对识别率的影响 | 第34-36页 |
| 4.3.5 实验结果分析 | 第36页 |
| 4.4 稀疏表征框架下的人脸识别方法总结 | 第36-37页 |
| 4.5 本章小结 | 第37-38页 |
| 5 基于视频流的人脸识别系统实现 | 第38-62页 |
| 5.1 基于视频流的人脸识别系统总体设计 | 第38-41页 |
| 5.1.1 系统开发工具介绍 | 第38页 |
| 5.1.2 系统的总体设计 | 第38-41页 |
| 5.2 人脸检测、跟踪与识别模块算法的选取 | 第41-48页 |
| 5.2.1 人脸检测算法 | 第41-45页 |
| 5.2.1.1 人脸检测算法简介 | 第41-42页 |
| 5.2.1.2 Adaboost算法简介 | 第42-45页 |
| 5.2.2 人脸跟踪算法 | 第45-47页 |
| 5.2.2.1 人脸跟踪算法简介 | 第45-46页 |
| 5.2.2.2 均值漂移算法简介 | 第46-47页 |
| 5.2.3 人脸识别算法 | 第47-48页 |
| 5.3 人脸检测、跟踪与识别的算法集成 | 第48-59页 |
| 5.3.1 人脸检测算法集成 | 第48-51页 |
| 5.3.2 人脸跟踪算法集成 | 第51-53页 |
| 5.3.3 人脸识别算法集成 | 第53-59页 |
| 5.3.3.1 图片预处理 | 第54-55页 |
| 5.3.3.2 特征提取 | 第55-56页 |
| 5.3.3.3 训练样本字典 | 第56-57页 |
| 5.3.3.4 人脸识别 | 第57-59页 |
| 5.4 系统对数据库的管理操作 | 第59-61页 |
| 5.5 本章小结 | 第61-62页 |
| 6 总结与展望 | 第62-64页 |
| 6.1 总结 | 第62页 |
| 6.2 展望 | 第62-64页 |
| 参考文献 | 第64-69页 |
| 攻读硕士学位期间主要的研究成果 | 第69-70页 |
| 致谢 | 第70-72页 |
| 浙江师范大学学位论文诚信承诺书 | 第72页 |