| 摘要 | 第3-4页 |
| Abstract | 第4页 |
| 第一章 绪论 | 第7-16页 |
| 1.1 生物识别技术的研究 | 第7-10页 |
| 1.2 人脸识别技术的背景及意义 | 第10-12页 |
| 1.3 人脸识别过程 | 第12-14页 |
| 1.3.1 人脸的检测与定位 | 第12-13页 |
| 1.3.2 图像预处理 | 第13页 |
| 1.3.3 人脸识别的常见问题 | 第13-14页 |
| 1.4 人脸识别算法的评价标准 | 第14-15页 |
| 1.5 本文的研究内容及章节安排 | 第15-16页 |
| 第二章 基于小波的图像融合的光照处理算法 | 第16-26页 |
| 2.1 光照处理算法背景 | 第16-18页 |
| 2.2 基于小波的图像融合的光照处理算法 | 第18-22页 |
| 2.2.1 小波图像融合步骤 | 第18-21页 |
| 2.2.2 光照处理实验结果与分析 | 第21-22页 |
| 2.3 人脸检测算法 | 第22-25页 |
| 2.4 本章小结 | 第25-26页 |
| 第三章 基于中心对称局部二值模式和深度信念网络的人脸识别算法 | 第26-34页 |
| 3.1 深度学习 | 第26-29页 |
| 3.2 基于中心对称局部二值模式和深度信念网络的人脸识别算法 | 第29-33页 |
| 3.2.1 中心对称局部二值模式 | 第29-31页 |
| 3.2.2 结合中心对称局部二值模式的深度信念网络 | 第31-33页 |
| 3.3 本章小结 | 第33-34页 |
| 第四章 实验结果对比与分析 | 第34-44页 |
| 4.1 人脸图像库 | 第34-36页 |
| 4.1.1 FERRT人脸数据库 | 第34页 |
| 4.1.2 ORL人脸数据库 | 第34-35页 |
| 4.1.3 YALE-B人脸数据库 | 第35页 |
| 4.1.4 CMU-PIE人脸数据库 | 第35-36页 |
| 4.2 图像分块数与识别率的实验结果与分析 | 第36-37页 |
| 4.3 较良好光照下的人脸识别算法的实验结果与分析 | 第37-38页 |
| 4.4 复杂光照下的人脸识别算法的实验结果与分析 | 第38-41页 |
| 4.5 复杂背景及光照条件下的人脸识别算法的实验结果与分析 | 第41-43页 |
| 4.6 本章小结 | 第43-44页 |
| 第五章 人脸识别系统的实现 | 第44-51页 |
| 5.1 系统的开发平台 | 第44页 |
| 5.2 人脸识别系统 | 第44-50页 |
| 5.2.1 人脸识别系统的总体结构 | 第44-45页 |
| 5.2.2 基于小波融合的人脸检测模块 | 第45-46页 |
| 5.2.3 基于中心对称的局部二值模式和深度信念网络的训练及识别模块 | 第46-50页 |
| 5.3 本章小结 | 第50-51页 |
| 第六章 总结和展望 | 第51-54页 |
| 6.1 对本文工作的总结 | 第51-52页 |
| 6.2 研究展望 | 第52-54页 |
| 参考文献 | 第54-58页 |
| 在学期间的研究成果 | 第58-59页 |
| 致谢 | 第59页 |
