| 致谢 | 第5-6页 |
| 摘要 | 第6-7页 |
| ABSTRACT | 第7-8页 |
| 序言 | 第9-13页 |
| 1 引言 | 第13-20页 |
| 1.1 研究的背景和意义 | 第13-15页 |
| 1.1.1 人脸识别的研究背景和意义 | 第13-14页 |
| 1.1.2 可见光/近红外人脸识别介绍 | 第14-15页 |
| 1.2 可见光/近红外人脸识别算法概述 | 第15-17页 |
| 1.2.1 特征提取算法 | 第16页 |
| 1.2.2 子空间方法 | 第16-17页 |
| 1.3 常用的人脸数据库 | 第17-19页 |
| 1.4 论文结构 | 第19-20页 |
| 2 相关工作 | 第20-23页 |
| 2.1 异质人脸识别算法 | 第20-21页 |
| 2.1.1 同质合成方法 | 第20页 |
| 2.1.2 不变特征提取 | 第20-21页 |
| 2.1.3 公共子空间学习方法 | 第21页 |
| 2.2 极限学习机 | 第21-22页 |
| 2.3 多任务学习 | 第22-23页 |
| 3 多特征学习 | 第23-42页 |
| 3.1 SIFT算法的基本理论 | 第23-29页 |
| 3.1.1 检测尺度空间中的极值点 | 第24-26页 |
| 3.1.2 定位关键点 | 第26-27页 |
| 3.1.3 确定关键点方向 | 第27-28页 |
| 3.1.4 描述关键点 | 第28-29页 |
| 3.2 LBP特征基本理论 | 第29-34页 |
| 3.2.1 纹理特征 | 第29-30页 |
| 3.2.2 基本的LBP描述子 | 第30页 |
| 3.2.3 扩展的LBP描述子 | 第30-31页 |
| 3.2.4 LBP描述子的发展演化 | 第31-32页 |
| 3.2.5 分块的LBP特征 | 第32页 |
| 3.2.6 LBP特征的特点 | 第32-33页 |
| 3.2.7 局部三值模式LTP | 第33-34页 |
| 3.3 HOG特征的基本理论 | 第34-37页 |
| 3.3.1 HOG特征的优点 | 第34页 |
| 3.3.2 HOG特征提取算法 | 第34-37页 |
| 3.4 特征融合算法 | 第37页 |
| 3.4.1 权值计算 | 第37页 |
| 3.4.2 连续性组合和平行性组合 | 第37页 |
| 3.5 多视图平滑判别分析 | 第37-39页 |
| 3.6 实验部分 | 第39-41页 |
| 3.6.1 实验设置 | 第40页 |
| 3.6.2 实验结果 | 第40-41页 |
| 3.7 本章小结 | 第41-42页 |
| 4 基于ELM的多任务聚类算法 | 第42-54页 |
| 4.1 极限学习机 | 第42-46页 |
| 4.1.1 单隐藏层前馈神经网络 | 第42-45页 |
| 4.1.2 极限学习机 | 第45-46页 |
| 4.2 多任务学习方法 | 第46-48页 |
| 4.3 基于ELM的多任务聚类算法 | 第48-49页 |
| 4.3.1 ELM映射算法 | 第48-49页 |
| 4.3.2 多任务聚类方法 | 第49页 |
| 4.4 实验 | 第49-53页 |
| 4.4.1 CASIAHFB数据库实验 | 第50-51页 |
| 4.4.2 CASIANIR-VIS 2.0数据库 | 第51-52页 |
| 4.4.3 实验结果及分析 | 第52-53页 |
| 4.5 本章总结 | 第53-54页 |
| 5 可见光/近红外人脸识别系统 | 第54-59页 |
| 5.1 系统功能介绍 | 第55页 |
| 5.2 系统设计介绍 | 第55-56页 |
| 5.2.1 读取现有图像识别 | 第55页 |
| 5.2.2 人脸注册功能 | 第55-56页 |
| 5.2.3 实时人脸识别 | 第56页 |
| 5.3 系统实现 | 第56-59页 |
| 5.3.1 开发环境介绍 | 第56页 |
| 5.3.2 读取现有图像识别 | 第56页 |
| 5.3.3 人脸注册功能 | 第56-57页 |
| 5.3.4 实时人脸识别 | 第57-59页 |
| 6 结论与展望 | 第59-61页 |
| 6.1 主要工作及创新点 | 第59-60页 |
| 6.2 未来工作展望 | 第60-61页 |
| 参考文献 | 第61-65页 |
| 作者简历及攻读硕士学位期间取得的研究成果 | 第65-67页 |
| 学位论文数据集 | 第67页 |