| 摘要 | 第1-6页 |
| Abstract | 第6-9页 |
| 第1章 引言 | 第9-14页 |
| ·研究的背景与意义 | 第9-10页 |
| ·现实情况和进展速度 | 第10页 |
| ·人脸识别的开放性问题和技术趋势 | 第10-13页 |
| ·人脸识别的难点 | 第10-11页 |
| ·趋势 | 第11-13页 |
| ·所做工作及内容安排 | 第13-14页 |
| 第2章 动态人脸检测技术和人脸识别的预处理 | 第14-20页 |
| ·动态人脸检测技术 | 第14-15页 |
| ·人脸识别的预处理 | 第15-18页 |
| ·小波分解用于人脸识别 | 第18-19页 |
| ·本章小结 | 第19-20页 |
| 第3章 人脸图像的特征抽取 | 第20-31页 |
| ·PCA 算法 | 第20-24页 |
| ·主成分的一般定义 | 第20-21页 |
| ·主成分的性质 | 第21页 |
| ·主成分的数目的选取 | 第21-24页 |
| ·LDA 算法 | 第24-27页 |
| ·LDA 算法 | 第24-25页 |
| ·PCA+LDA 的识别方法 | 第25-27页 |
| ·核PCA 的人脸识别方法 | 第27-29页 |
| ·核PCA 算法 | 第27-29页 |
| ·核PCA 算法的优缺点分析 | 第29页 |
| ·本章小结 | 第29-31页 |
| 第4章 人脸特征的分类与识别 | 第31-39页 |
| ·支持向量机 | 第31-36页 |
| ·支持向量机简介 | 第31-32页 |
| ·线性支持向量机 | 第32-35页 |
| ·非线性支持向量机 | 第35-36页 |
| ·核函数的选择 | 第36页 |
| ·多分类支持向量机 | 第36-37页 |
| ·一对多多分类支持向量机 | 第36-37页 |
| ·一对一多分类支持向量机 | 第37页 |
| ·多分类支持向量机用于人脸识别 | 第37-39页 |
| ·多分类支持向量机用于人脸训练 | 第37-38页 |
| ·多分类支持向量机用于人脸识别 | 第38-39页 |
| 第5章 人脸识别系统实现及实验结果分析 | 第39-44页 |
| ·各种特征提取方法和不同分类算法相结合的实验结果与分析 | 第39-42页 |
| ·维数和样本量与识别率的关系 | 第39-40页 |
| ·三种特征提取方法的试验结果的比较 | 第40-41页 |
| ·基于小波分解的核PCA 特征提取算法的比较 | 第41页 |
| ·不同小波基的选择对识别率的影响 | 第41-42页 |
| ·动态人脸检测与识别系统实现 | 第42-43页 |
| ·本章小结 | 第43-44页 |
| 总结与展望 | 第44-46页 |
| 总结 | 第44-45页 |
| 对未来工作的展望 | 第45-46页 |
| 参考文献 | 第46-49页 |
| 致谢 | 第49-50页 |
| 附录A 攻读学位期间所发表的学术论文目录 | 第50页 |