| 摘要 | 第4-6页 |
| ABSTRACT | 第6-7页 |
| 1 绪论 | 第11-18页 |
| 1.1 课题研究背景与意义 | 第11-12页 |
| 1.2 国内外研究历史与发展现状 | 第12-14页 |
| 1.2.1 国内外研究历史 | 第12-13页 |
| 1.2.2 国内外发展现状 | 第13-14页 |
| 1.3 人脸库介绍 | 第14-15页 |
| 1.4 人脸识别的难点 | 第15-16页 |
| 1.5 论文的主要工作 | 第16-18页 |
| 2 人脸识别系统介绍 | 第18-31页 |
| 2.1 图像预处理 | 第18-25页 |
| 2.1.1 直方图均衡化 | 第18-20页 |
| 2.1.2 图像的平滑 | 第20-21页 |
| 2.1.3 几何变换 | 第21-23页 |
| 2.1.4 图像的锐化 | 第23-25页 |
| 2.2 人脸特征提取方法 | 第25-27页 |
| 2.2.1 K-L变换 | 第25-26页 |
| 2.2.2 奇异值分解 | 第26-27页 |
| 2.2.3 二维余弦离散变换 | 第27页 |
| 2.3 人脸识别方法介绍 | 第27-30页 |
| 2.3.1 几何特征人脸识别方法 | 第27-28页 |
| 2.3.2 主元分析（PCA）人脸识别方法 | 第28页 |
| 2.3.3 隐马尔科夫模型（HMM）人脸识别方法 | 第28-29页 |
| 2.3.4 人工神经网络（ANN）人脸识别方法 | 第29-30页 |
| 2.4 本章小结 | 第30-31页 |
| 3 支持向量机（SVM）理论 | 第31-42页 |
| 3.1 统计学习理论 | 第31-33页 |
| 3.1.1 VC维 | 第31-32页 |
| 3.1.2 推广性的界 | 第32-33页 |
| 3.1.3 结构风险最小原则 | 第33页 |
| 3.2 支持向量机基本原理 | 第33-38页 |
| 3.2.1 最优超平面的概念 | 第34-35页 |
| 3.2.2 线性可分最优超平面构建 | 第35-37页 |
| 3.2.3 非线性可分最优超平面构建 | 第37-38页 |
| 3.2.4 非线性支持向量机 | 第38页 |
| 3.3 多分类支持向量机 | 第38-40页 |
| 3.3.1 一对一分类方法 | 第38-39页 |
| 3.3.2 一对多分类方法 | 第39-40页 |
| 3.4 支持向量机的特点 | 第40-41页 |
| 3.5 本章小结 | 第41-42页 |
| 4 基于嵌入式隐马尔科夫模型（EHMM）的人脸识别 | 第42-55页 |
| 4.1 EHMM模型的介绍 | 第42-43页 |
| 4.2 EHMM模型的三个基本问题 | 第43-48页 |
| 4.2.1 评估问题 | 第43-44页 |
| 4.2.2 解码问题 | 第44-45页 |
| 4.2.3 学习问题 | 第45-48页 |
| 4.3 EHMM人脸模型的建立 | 第48-49页 |
| 4.4 EHMM人脸特征提取 | 第49-50页 |
| 4.5 EHMM模型训练 | 第50-51页 |
| 4.6 EHMM人脸识别 | 第51-52页 |
| 4.7 实验结果及分析 | 第52-54页 |
| 4.8 本章小结 | 第54-55页 |
| 5 基于EHMM-SVM的人脸识别 | 第55-63页 |
| 5.1 EHMM-SVM人脸识别 | 第55-58页 |
| 5.2 实验结果及分析 | 第58-62页 |
| 5.2.1 样本数对识别率的影响 | 第58-59页 |
| 5.2.2 图像偏转角度对识别率的影响 | 第59-61页 |
| 5.2.3 光照对识别率的影响 | 第61-62页 |
| 5.3 本章小结 | 第62-63页 |
| 6 总结与展望 | 第63-65页 |
| 6.1 总结 | 第63-64页 |
| 6.2 展望 | 第64-65页 |
| 参考文献 | 第65-69页 |
| 致谢 | 第69-70页 |
| 个人简历、在学校期间发表的学术论文 | 第70页 |