| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第一章 绪论 | 第8-16页 |
| 1.1 研究背景 | 第8-9页 |
| 1.2 国内外研究现状 | 第9-12页 |
| 1.3 论文的主要工作 | 第12-13页 |
| 1.4 论文组织结构 | 第13-16页 |
| 第二章 视频分段 | 第16-28页 |
| 2.1 视频分段方法研究 | 第16-18页 |
| 2.1.1 基于像素点的方法 | 第16-17页 |
| 2.1.2 基于彩色直方图的方法 | 第17-18页 |
| 2.2 实验结果与分析 | 第18-25页 |
| 2.2.1 闽值的确定 | 第18-19页 |
| 2.2.2 两种方法实验结果对比 | 第19-24页 |
| 2.2.3 采样间隔对视频分段的影响 | 第24-25页 |
| 2.3 本章小结 | 第25-28页 |
| 第三章 人脸特征提取 | 第28-50页 |
| 3.1 人脸检测 | 第28-31页 |
| 3.1.1 Haar特征 | 第28-29页 |
| 3.1.2 Adaboost算法介绍 | 第29-31页 |
| 3.1.3 人脸检测结果 | 第31页 |
| 3.2 人眼定位 | 第31-40页 |
| 3.2.1 精确人眼定位法 | 第31-32页 |
| 3.2.2 算法流程 | 第32页 |
| 3.2.3 人眼定位结果与分析 | 第32-33页 |
| 3.2.4 一种新的求解SVM分类问题的神经网络模型 | 第33-40页 |
| 3.3 基于Gabor小波的特征提取 | 第40-43页 |
| 3.3.1 特征提取原理 | 第40-42页 |
| 3.3.2 算法流程 | 第42页 |
| 3.3.3 结果与分析 | 第42-43页 |
| 3.4 特征选择 | 第43-49页 |
| 3.4.1 主成分分析 | 第43-44页 |
| 3.4.2 Fisher线性判别分析 | 第44-45页 |
| 3.4.3 PCA结合LDA映射维度大小的探究 | 第45-49页 |
| 3.5 本章小结 | 第49-50页 |
| 第四章 人脸识别算法研究 | 第50-72页 |
| 4.1 人脸识别问题背景 | 第50页 |
| 4.2 基于稀疏表示和协同表示的人脸识别算法研究 | 第50-62页 |
| 4.2.1 SRC算法 | 第51-52页 |
| 4.2.2 LASRC算法 | 第52-53页 |
| 4.2.3 RASR算法 | 第53-54页 |
| 4.2.4 RSC算法 | 第54-55页 |
| 4.2.5 CRC-RLS算法 | 第55-56页 |
| 4.2.6 SCRC算法 | 第56-58页 |
| 4.2.7 实验结果及分析 | 第58-62页 |
| 4.3 联合贝叶斯人脸识别算法研究 | 第62-68页 |
| 4.3.1 算法模型 | 第62-63页 |
| 4.3.2 EM算法求解模型参数 | 第63-64页 |
| 4.3.3 高效的矩阵运算 | 第64-65页 |
| 4.3.4 算法改进 | 第65页 |
| 4.3.5 实验结果分析 | 第65-68页 |
| 4.4 总体实验结果与分析 | 第68-70页 |
| 4.4.1 算法识别正确率和总体入库人数关系研究 | 第68-69页 |
| 4.4.2 算法识别正确率和检索库每个人样本数量的关系 | 第69-70页 |
| 4.5 本章小结 | 第70-72页 |
| 第五章 多对多比对模型研究 | 第72-82页 |
| 5.1 多对多比对方式探究 | 第72-74页 |
| 5.2 多对多人脸比对模型识别正确率与参与比对人脸数量关系探究 | 第74-75页 |
| 5.3 多对多比对模型稳定性探究 | 第75-76页 |
| 5.4 多对多比对模型在1：1模式下的性能 | 第76-77页 |
| 5.5 多对多比对模型下如何选择最终的识别算法 | 第77-79页 |
| 5.6 视频中的人脸识别在多对多比对模型中的最终效果 | 第79-81页 |
| 5.7 本章小结 | 第81-82页 |
| 第六章 总结与展望 | 第82-84页 |
| 6.1 总结 | 第82页 |
| 6.2 展望 | 第82-84页 |
| 致谢 | 第84-86页 |
| 参考文献 | 第86-92页 |
| 攻读硕士学位期间发表的论文 | 第92页 |
