| 摘要 | 第1-4页 |
| Abstract | 第4-7页 |
| 第一章 绪论 | 第7-15页 |
| ·人脸识别的研究背景及意义 | 第7页 |
| ·人脸识别系统及常用方法 | 第7-11页 |
| ·子空间方法 | 第8-9页 |
| ·弹性匹配方法 | 第9页 |
| ·神经网络方法 | 第9-10页 |
| ·形变模型方法 | 第10-11页 |
| ·应用于人脸识别的 HMM 方法发展现状 | 第11-12页 |
| ·人脸识别所面临的主要问题 | 第12页 |
| ·人脸识别评价标准 | 第12-13页 |
| ·本文研究内容和结构安排 | 第13-15页 |
| ·本文主要研究内容 | 第13页 |
| ·本文结构安排 | 第13-15页 |
| 第二章 隐马尔可夫模型基本理论及其应用 | 第15-27页 |
| ·隐马尔可夫模型 | 第15-17页 |
| ·隐马尔可夫模型的定义 | 第16页 |
| ·HMM 的三个基本问题 | 第16-17页 |
| ·HMM 三个基本问题的计算 | 第17-23页 |
| ·评估问题 | 第17-19页 |
| ·解码问题 | 第19-20页 |
| ·学习问题 | 第20-22页 |
| ·计算中需要说明的一些问题 | 第22-23页 |
| ·隐马尔可夫模型在人脸识别中应用 | 第23-25页 |
| ·HMM 的训练过程 | 第23-25页 |
| ·HMM 的识别过程 | 第25页 |
| ·小结 | 第25-27页 |
| 第三章 类特定 HMM 基本理论 | 第27-39页 |
| ·标准化参数和符号 | 第27-28页 |
| ·类特定参数 | 第28-33页 |
| ·只有噪音的条件 H_0 | 第28-29页 |
| ·Z 的充分性及和 H0的关系 | 第29-30页 |
| ·类特定似然函数 | 第30-31页 |
| ·标准参数化和最优化之间的关系 | 第31-33页 |
| ·类特定 Baum–Welch 算法 | 第33-37页 |
| ·辅助函数 | 第34页 |
| ·重估算法 | 第34-35页 |
| ·类特定前向算法 | 第35-36页 |
| ·类特定后向算法 | 第36页 |
| ·HMM 重估公式 | 第36页 |
| ·混合高斯重估公式 | 第36-37页 |
| ·小结 | 第37-39页 |
| 第四章 基于类特定和 HMM 的人脸识别算法 | 第39-51页 |
| ·人脸特征统计量的选取 | 第39-42页 |
| ·HMM 三种状态的特点 | 第39-40页 |
| ·特征集的选取 | 第40页 |
| ·特征集对 H0的依赖 | 第40页 |
| ·获取 H0条件下的概率密度函数 | 第40-42页 |
| ·人脸识别的模型训练与识别流程 | 第42-43页 |
| ·人脸数据库介绍 | 第43-47页 |
| ·实验结果和分析 | 第47-50页 |
| ·在 ORL 库 HMM 与类特定 HMM 的实验结果与分析 | 第47页 |
| ·在各人脸库类特定 HMM 的实验结果与分析 | 第47-48页 |
| ·引入 RANK 的算法评价 | 第48-50页 |
| ·小结 | 第50-51页 |
| 第五章 结束语 | 第51-53页 |
| 致谢 | 第53-55页 |
| 参考文献 | 第55-61页 |
| 附录 A | 第61-64页 |