| 摘要 | 第1-6页 |
| Abstract | 第6-9页 |
| 第1章 绪论 | 第9-19页 |
| ·人脸检测和识别的研究背景及意义 | 第9-11页 |
| ·人脸检测识别技术的优点和缺点 | 第11-12页 |
| ·人脸检测识别技术的优点 | 第11页 |
| ·人脸检测识别技术的缺点 | 第11-12页 |
| ·国内外研究的现状 | 第12-16页 |
| ·人脸检测和识别技术的评价标准 | 第16-17页 |
| ·人脸检测技术的评价指标 | 第16页 |
| ·人脸识别技术的评价指标 | 第16-17页 |
| ·本论文研究内容和组织结构 | 第17-19页 |
| ·本论文研究内容 | 第17-18页 |
| ·本论文组织结构 | 第18-19页 |
| 第2章 级联式人脸检测 | 第19-41页 |
| ·基于运动信息的人脸检测 | 第20-29页 |
| ·背景模型的提取与更新 | 第20-25页 |
| ·运动目标的检测 | 第25-27页 |
| ·运动目标检测的后期处理 | 第27-29页 |
| ·基于彩色信息的人脸检测 | 第29-36页 |
| ·常用的几个线性彩色空间 | 第29-33页 |
| ·非线性YCbCr空间 | 第33-34页 |
| ·自适应肤色模型及其结果 | 第34-36页 |
| ·基于支持向量机对人脸的验证 | 第36-41页 |
| ·支持向量机简介 | 第37页 |
| ·支持向量机算法原理分析 | 第37-39页 |
| ·支持向量机验证人脸实验及结果分析 | 第39-41页 |
| 第3章 基于PCA和KPLS的人脸特征提取和识别 | 第41-57页 |
| ·人脸特征提取方法 | 第41-48页 |
| ·主成分分析法 | 第41-43页 |
| ·奇异值分解法 | 第43-45页 |
| ·线性鉴别分析法 | 第45-47页 |
| ·PLS及其核方法 | 第47-48页 |
| ·分类器简述 | 第48-51页 |
| ·K近邻分类器 | 第49-50页 |
| ·SVM用于多类分类 | 第50-51页 |
| ·基于PCA和KPLS进行特征提取的人脸识别方法 | 第51-57页 |
| ·基于PCA和KPLS的特征提取方法 | 第51-52页 |
| ·实验分析 | 第52-56页 |
| ·实验小结 | 第56-57页 |
| 第4章 基于DirectShow的人脸检测识别软件实现 | 第57-70页 |
| ·DirectX及DirectShow概述 | 第57-58页 |
| ·DirectShow技术 | 第58-64页 |
| ·DirectShow系统框架 | 第58-60页 |
| ·组件对象模型（COM）技术 | 第60-61页 |
| ·Directshow过滤器（Filter）原理 | 第61-64页 |
| ·应用Directshow进行软件开发 | 第64-69页 |
| ·DirectShow视频捕捉应用程序开发的一般过程 | 第64页 |
| ·基于DirectShow的人脸检测和识别软件的实现 | 第64-69页 |
| ·本章小结 | 第69-70页 |
| 结论 | 第70-72页 |
| 参考文献 | 第72-77页 |
| 附录A (攻读学位期间所发表的学术论文目录) | 第77-78页 |
| 致谢 | 第78页 |
