| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第一章 绪论 | 第11-18页 |
| 1.1 研究背景及其意义 | 第11-12页 |
| 1.2 人脸识别的研究发展 | 第12-15页 |
| 1.3 本文的研究内容 | 第15-16页 |
| 1.4 本文组织结构 | 第16-18页 |
| 第二章 人脸识别相关方法与算法 | 第18-26页 |
| 2.1 人脸识别原理 | 第18页 |
| 2.2 人脸检测基本方法 | 第18-20页 |
| 2.2.1 基于特征的人脸检测 | 第18-19页 |
| 2.2.2 基于模板匹配的人脸检测 | 第19页 |
| 2.2.3 基于统计学习的人脸检测 | 第19-20页 |
| 2.3 人脸识别基本方法 | 第20-23页 |
| 2.3.1 基于几何特征的人脸识别 | 第20页 |
| 2.3.2 基于特征脸的人脸识别 | 第20页 |
| 2.3.3 基于稀疏表示的人脸识别 | 第20-21页 |
| 2.3.4 基于神经网络的人脸识别 | 第21页 |
| 2.3.5 基于模板匹配的人脸识别 | 第21-22页 |
| 2.3.6 基于隐马尔科夫的人脸识别 | 第22页 |
| 2.3.7 基于贝叶斯决策的人脸识别 | 第22页 |
| 2.3.8 基于支持向量机的人脸识别 | 第22-23页 |
| 2.3.9 基于K近邻的人脸识别 | 第23页 |
| 2.4 本文研究思路 | 第23-25页 |
| 2.5 本章小结 | 第25-26页 |
| 第三章 基于证据K近邻的人脸识别 | 第26-37页 |
| 3.1 引言 | 第26-27页 |
| 3.2 证据理论概要 | 第27-28页 |
| 3.2.1 DS-证据理论 | 第27-28页 |
| 3.2.2 证据冲突 | 第28页 |
| 3.3 基于证据K近邻的人脸识别 | 第28-32页 |
| 3.3.1 人脸模板库的建立 | 第28-29页 |
| 3.3.2 近邻类的构造 | 第29页 |
| 3.3.3 近邻证据置信指派和融合 | 第29-30页 |
| 3.3.4 类别融合与决策 | 第30-32页 |
| 3.4 实验仿真与结果 | 第32-35页 |
| 3.4.1 ExtendedYaleB人脸库上的实验 | 第32-33页 |
| 3.4.2 AR人脸库上的实验 | 第33-35页 |
| 3.5 本章小结 | 第35-37页 |
| 第四章 人脸识别系统设计与实现 | 第37-54页 |
| 4.1 引言 | 第37页 |
| 4.2 人脸识别系统需求 | 第37-38页 |
| 4.3 系统概述 | 第38-40页 |
| 4.3.1 系统硬件架构 | 第38-39页 |
| 4.3.2 系统业务流程 | 第39-40页 |
| 4.4 服务器端架构设计 | 第40-43页 |
| 4.5 服务器业务逻辑 | 第43-44页 |
| 4.6 人脸数据库交互模块设计 | 第44-46页 |
| 4.7 客户端架构设计 | 第46-47页 |
| 4.8 客户端业务逻辑 | 第47-48页 |
| 4.9 消息格式设计 | 第48-50页 |
| 4.10 系统中的算法 | 第50-52页 |
| 4.10.1 人脸检测优化 | 第50-51页 |
| 4.10.2 人脸识别 | 第51-52页 |
| 4.11 本章小结 | 第52-54页 |
| 第五章 人脸识别系统测试 | 第54-66页 |
| 5.1 系统测试 | 第54-65页 |
| 5.1.1 系统运行环境 | 第54页 |
| 5.1.2 人脸检测功能测试 | 第54-57页 |
| 5.1.3 人脸库录入测试 | 第57-59页 |
| 5.1.4 系统更新测试 | 第59-60页 |
| 5.1.5 识别功能测试 | 第60-61页 |
| 5.1.6 服务器性能测试 | 第61-63页 |
| 5.1.7 人脸识别性能测试 | 第63-65页 |
| 5.2 本章小结 | 第65-66页 |
| 第六章 总结与展望 | 第66-69页 |
| 6.1 总结 | 第66-67页 |
| 6.2 展望 | 第67-69页 |
| 参考文献 | 第69-73页 |
| 攻读硕士学位期间取得的研究成果 | 第73-74页 |
| 致谢 | 第74-75页 |
| 附件 | 第75页 |