| 致谢 | 第5-6页 |
| 摘要 | 第6-7页 |
| ABSTRACT | 第7页 |
| 1 引言 | 第10-19页 |
| 1.1 研究背景及意义 | 第10-12页 |
| 1.2 人脸识别的发展历史与国内外研究现状 | 第12-15页 |
| 1.2.0 人脸识别的发展历史 | 第12-13页 |
| 1.2.1 国外研究现状 | 第13-15页 |
| 1.2.2 国内研究现状 | 第15页 |
| 1.3 论文主要研究内容 | 第15-17页 |
| 1.4 论文组织结构 | 第17-19页 |
| 2 人脸识别相关知识综述 | 第19-24页 |
| 2.1 引言 | 第19页 |
| 2.2 人脸识别的主要内容 | 第19-20页 |
| 2.3 主流人脸数据库 | 第20-21页 |
| 2.4 年龄估计相关算法介绍 | 第21-22页 |
| 2.5 本章小结 | 第22-24页 |
| 3 LGBP特征与支持向量机回归相结合的年龄估计方法 | 第24-41页 |
| 3.1 基于Gabor小波的人脸图像特征提取 | 第24-26页 |
| 3.1.1 Gabor 滤波器 | 第24-25页 |
| 3.1.2 人脸图像的Gabor特征提取 | 第25-26页 |
| 3.2 基于LBP的人脸图像特征提取 | 第26-28页 |
| 3.2.1 LBP 算子 | 第26-27页 |
| 3.2.2 人脸图像的LBP特征提取 | 第27-28页 |
| 3.3 基于PCA的特征降维算法 | 第28-30页 |
| 3.4 基于LGBP的人脸图像特征提取与降维 | 第30页 |
| 3.5 基于支持向量机回归的人脸年龄估计算法 | 第30-33页 |
| 3.5.1 支持向量机基本原理 | 第30-32页 |
| 3.5.2 基于支持向量机回归的年龄估计方法 | 第32-33页 |
| 3.5.3 年龄估计函数的评价 | 第33页 |
| 3.6 实验结果及分析 | 第33-40页 |
| 3.7 本章小结 | 第40-41页 |
| 4 基于形状变形和纹理增强的人脸重构算法 | 第41-49页 |
| 4.1 人脸图像形状变化方法 | 第41-44页 |
| 4.1.1 基于AAM的人脸特征点标注方法 | 第41-43页 |
| 4.1.2 基于径向基函数的人脸图像变化 | 第43-44页 |
| 4.2 人脸图像纹理增强方法 | 第44-45页 |
| 4.3 人脸图像重构过程及实验分析 | 第45-48页 |
| 4.4 本章小结 | 第48-49页 |
| 5 基于GOP模型的人脸识别技术 | 第49-58页 |
| 5.1 基于GOP模型的人脸特征提取 | 第49-51页 |
| 5.2 基于SVM的人脸识别 | 第51-54页 |
| 5.3 对于年龄具有鲁棒性的人脸识别实验结果及分析 | 第54-57页 |
| 5.4 本章小结 | 第57-58页 |
| 6 结论 | 第58-60页 |
| 6.1 总结 | 第58页 |
| 6.2 展望 | 第58-60页 |
| 参考文献 | 第60-64页 |
| 作者简历及攻读硕士 /博士学位期间取得的研究成果 | 第64-66页 |
| 学位论文数据集 | 第66页 |