| 摘要 | 第3-4页 |
| ABSTRACT | 第4-5页 |
| 第1章 引言 | 第8-12页 |
| 1.1 研究背景与意义 | 第8-9页 |
| 1.2 人脸识别的研究现状 | 第9-10页 |
| 1.3 论文的研究内容 | 第10-11页 |
| 1.4 论文的组织结构 | 第11-12页 |
| 第2章 相关基础知识 | 第12-26页 |
| 2.1 人脸识别技术 | 第12-17页 |
| 2.1.1 人脸检测 | 第13-14页 |
| 2.1.2 人脸图像的预处理 | 第14-15页 |
| 2.1.3 特征提取 | 第15-16页 |
| 2.1.4 人脸分类识别 | 第16-17页 |
| 2.2 PCA 算法 | 第17-20页 |
| 2.2.1 主成分分析算法的实现原理 | 第17-20页 |
| 2.2.2 小结 | 第20页 |
| 2.3 BP 神经网络 | 第20-24页 |
| 2.3.1 BP 神经网络模型结构 | 第20页 |
| 2.3.2 BP 神经网络中各层的设计 | 第20-22页 |
| 2.3.3 BP 算法 | 第22-24页 |
| 2.4 本章小结 | 第24-26页 |
| 第3章 基于 PCA 的 SIFT 特征提取降维算法 | 第26-40页 |
| 3.1 SIFT 算法 | 第26-31页 |
| 3.1.1 构建高斯差分尺度空间 | 第27-28页 |
| 3.1.2 关键点的定位 | 第28-29页 |
| 3.1.3 关键点方向分配 | 第29-30页 |
| 3.1.4 关键点的描述 | 第30-31页 |
| 3.2 SIFT 算法存在的不足 | 第31-32页 |
| 3.3 基于 PCA 的 SIFT 特征提取降维算法 | 第32-36页 |
| 3.4 仿真验证 | 第36-39页 |
| 3.4.1 仿真平台介绍 | 第36-37页 |
| 3.4.2 仿真结果 | 第37-39页 |
| 3.5 本章小结 | 第39-40页 |
| 第4章 基于 SIFT 降维和 BP 网络的人脸识别 | 第40-48页 |
| 4.1 基于降维的 SIFT 的 BP 网络设计 | 第40-41页 |
| 4.2 基于 BP 网络的人脸识别算法 | 第41-42页 |
| 4.3 数据实验 | 第42-46页 |
| 4.3.1 实验环境 | 第42页 |
| 4.3.2 实验过程 | 第42-43页 |
| 4.3.3 实验结果与分析 | 第43-46页 |
| 4.4 小结 | 第46-48页 |
| 第5章 结语 | 第48-50页 |
| 5.1 论文总结 | 第48页 |
| 5.2 进一步展望 | 第48-50页 |
| 参考文献 | 第50-54页 |
| 致谢 | 第54-56页 |
| 攻读硕士学位期间发表的论文 | 第56-58页 |
| 附录 | 第58-61页 |
