| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第12-21页 |
| 1.1 选题背景及意义 | 第12-13页 |
| 1.2 人脸识别的研究现状及发展趋势 | 第13-17页 |
| 1.2.1 国内外研究现状 | 第14-16页 |
| 1.2.2 发展趋势 | 第16-17页 |
| 1.3 人脸识别存在的难点及挑战 | 第17-19页 |
| 1.4 论文研究内容 | 第19-20页 |
| 1.5 论文组织结构 | 第20-21页 |
| 第2章 人脸识别的基本方法 | 第21-31页 |
| 2.1 前言 | 第21页 |
| 2.2 基于几何特征的人脸识别方法 | 第21-22页 |
| 2.3 模板匹配方法 | 第22页 |
| 2.4 基于子空间分析的人脸识别方法 | 第22-23页 |
| 2.4.1 主成分分析方法 | 第22-23页 |
| 2.4.2 线性判别分析方法 | 第23页 |
| 2.5 基于人工神经网络的人脸识别方法 | 第23-24页 |
| 2.6 基于稀疏表示的人脸识别方法 | 第24-26页 |
| 2.7 基于虚拟样本的人脸识别方法 | 第26-27页 |
| 2.8 常用人脸数据库 | 第27-30页 |
| 2.9 本章小结 | 第30-31页 |
| 第3章 一种基于虚拟测试样本的权重稀疏表示算法 | 第31-42页 |
| 3.1 前言 | 第31页 |
| 3.2 基于虚拟测试样本的权重稀疏表示算法描述 | 第31-34页 |
| 3.2.1 生成虚拟测试样本和新训练样本集 | 第32页 |
| 3.2.2 对测试样本进行稀疏表示并计算每个类的表示误差 | 第32-33页 |
| 3.2.3 权值计算及分类识别 | 第33-34页 |
| 3.3 算法分析 | 第34-37页 |
| 3.4 实验结果及分析 | 第37-40页 |
| 3.4.1 实验结果 | 第37-39页 |
| 3.4.2 结果分析 | 第39-40页 |
| 3.5 本章小结 | 第40-42页 |
| 第4章 一种基于扩展稀疏表示的联合特征分类算法 | 第42-57页 |
| 4.1 前言 | 第42页 |
| 4.2 扩展稀疏表示算法 | 第42-43页 |
| 4.3 基于扩展稀疏表示的联合特征分类算法 | 第43-45页 |
| 4.3.1 局部特征提取 | 第43-44页 |
| 4.3.2 测试样本的表示与分类 | 第44-45页 |
| 4.4 算法分析 | 第45-47页 |
| 4.5 实验结果及分析 | 第47-56页 |
| 4.5.1 实验结果 | 第47-54页 |
| 4.5.2 结果分析 | 第54-56页 |
| 4.6 本章小结 | 第56-57页 |
| 结论 | 第57-59页 |
| 参考文献 | 第59-64页 |
| 附录A 攻读硕士学位期间发表论文 | 第64-65页 |
| 致谢 | 第65页 |