| 摘要 | 第1-6页 |
| ABSTRACT | 第6-9页 |
| 第一章 绪论 | 第9-20页 |
| ·课题研究背景及意义 | 第9-14页 |
| ·单模态生物特征识别技术 | 第11页 |
| ·多模态生物特征识别技术 | 第11-14页 |
| ·国内外研究现状 | 第14-17页 |
| ·人脸识别技术国内外研究现状 | 第14-15页 |
| ·虹膜识别技术的国内外研究状况 | 第15-16页 |
| ·国内外多模态生物特征识别研究现状 | 第16-17页 |
| ·本文的主要研究工作和章节安排 | 第17-20页 |
| ·本文的主要工作 | 第17-18页 |
| ·本文的算法理论研究阶段的试验装置介绍 | 第18-19页 |
| ·本文的内容安排 | 第19-20页 |
| 第二章 基于Adaboost 和PCA 的人脸识别算法 | 第20-29页 |
| ·人脸识别算法概述 | 第20-22页 |
| ·几何特征的人脸识别算法 | 第20页 |
| ·特征脸的识别算法 | 第20-21页 |
| ·模板匹配人脸识别算法 | 第21页 |
| ·神经网络人脸识别算法 | 第21页 |
| ·隐马尔科夫模型（Hidden Markov Model）人脸识别算法 | 第21-22页 |
| ·支持向量机（Support Vector Machine） | 第22页 |
| ·基于Adaboost 和PCA 的人脸识别算法 | 第22-26页 |
| ·主成分分析 | 第22-24页 |
| ·Adaboost 算法生成强分类器 | 第24-26页 |
| ·Adaboost 结合PCA 算法 | 第26页 |
| ·实验结果 | 第26-28页 |
| ·人脸数据库选取 | 第26-27页 |
| ·实验结果 | 第27-28页 |
| ·本章小结 | 第28-29页 |
| 第三章 基于Adaboost 和SVM 的虹膜识别 | 第29-37页 |
| ·虹膜识别概述 | 第29-32页 |
| ·虹膜识别流程图 | 第29-30页 |
| ·Daugman 提出的虹膜识别算法 | 第30-31页 |
| ·Wildes 等人提出的虹膜识别算法 | 第31页 |
| ·Bole 提出的虹膜识别算法 | 第31页 |
| ·谭铁牛等人提出的虹膜识别算法 | 第31-32页 |
| ·基于Adaboost 和SVM 虹膜识别 | 第32-34页 |
| ·Adaboost 算法 | 第32-33页 |
| ·支持向量机（SVM） | 第33-34页 |
| ·实验结果 | 第34-36页 |
| ·本章小结 | 第36-37页 |
| 第四章 人脸和虹膜的特征层融合算法研究 | 第37-48页 |
| ·多模态生物特征识别层次划分 | 第37-38页 |
| ·融合算法模型 | 第38-42页 |
| ·基于Gabor 小波+ 2DPCA 组合的特征层的融合方法 | 第42-46页 |
| ·实验结果与分析 | 第46-47页 |
| ·本章小结 | 第47-48页 |
| 第五章 人脸与虹膜识别的原型机的实现 | 第48-64页 |
| ·基于PC 机的人脸与虹膜识别原型系统开发： | 第48-51页 |
| ·、基于PC 机的人脸识别系统 | 第48-49页 |
| ·基于PC 机的虹膜识别系统 | 第49-51页 |
| ·基于DM642 与ARM2440 的嵌入式系统实现 | 第51-63页 |
| ·系统需求： | 第51-52页 |
| ·系统硬件设计 | 第52-58页 |
| ·系统软件设计 | 第58-63页 |
| ·本章小结 | 第63-64页 |
| 第六章 总结与展望 | 第64-66页 |
| ·总结 | 第64页 |
| ·展望 | 第64-66页 |
| 参考文献 | 第66-70页 |
| 致谢 | 第70-71页 |
| 附录A 攻读学位期间发表的论文 | 第71页 |
| 附录B 攻读学位期间参加的科研项目 | 第71-72页 |
| 摘要 | 第72-74页 |
| Abstract | 第74-78页 |
