| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 第一章 引言 | 第10-14页 |
| 1.1 研究背景 | 第10页 |
| 1.2 国内外研究现状 | 第10-11页 |
| 1.3 论文的主要工作 | 第11-12页 |
| 1.4 论文的结构安排 | 第12-14页 |
| 第二章 人脸检测和识别关键技术介绍 | 第14-19页 |
| 2.1 广义人脸识别的理论基础 | 第14页 |
| 2.2 广义人脸识别的核心技术 | 第14-15页 |
| 2.3 人脸检测技术介绍 | 第15-16页 |
| 2.4 人脸识别技术介绍 | 第16-18页 |
| 2.5 本章小结 | 第18-19页 |
| 第三章 基于肤色模型的人脸检测 | 第19-40页 |
| 3.1 颜色空间的选择和优化 | 第19-25页 |
| 3.1.1 RGB 颜色空间 | 第19页 |
| 3.1.2 YCbCr 颜色空间 | 第19-20页 |
| 3.1.3 HSV 颜色空间 | 第20-21页 |
| 3.1.4 颜色空间的选取 | 第21-22页 |
| 3.1.5 YCbCr 颜色空间的优化算法 | 第22-24页 |
| 3.1.6 YCbCr 优化实验结果 | 第24-25页 |
| 3.2 肤色模型 | 第25-38页 |
| 3.2.1 图像预处理 | 第26-28页 |
| 3.2.1.1 改进的去噪算法 | 第26-27页 |
| 3.2.1.2 光照补偿 | 第27-28页 |
| 3.2.2 肤色模型的建立 | 第28-30页 |
| 3.2.3 肤色似然图 | 第30页 |
| 3.2.4 似然图二值化和阈值的选定 | 第30-32页 |
| 3.2.5 多人脸候选区域筛选 | 第32-34页 |
| 3.2.6 单人脸区域定位 | 第34-36页 |
| 3.2.7 马赛克模板模糊验证 | 第36-38页 |
| 3.3 实验结果 | 第38-39页 |
| 3.4 本章小结 | 第39-40页 |
| 第四章 人脸识别 | 第40-68页 |
| 4.1 尺度归一化 | 第40-41页 |
| 4.2 基于几何特征的人脸识别算法 | 第41-54页 |
| 4.2.1 梯度边缘提取和二值化 | 第41-42页 |
| 4.2.2 二值化边缘 | 第42-43页 |
| 4.2.3 五官区域的初步定位 | 第43-45页 |
| 4.2.4 眼睛和眉毛的定位 | 第45-46页 |
| 4.2.5 鼻子的定位 | 第46-47页 |
| 4.2.6 嘴巴的定位 | 第47-48页 |
| 4.2.7 额头的定位以及刘海的检测 | 第48页 |
| 4.2.8 胡子的检测 | 第48-49页 |
| 4.2.9 几何特征向量的构造 | 第49-50页 |
| 4.2.10 特征向量相似度计算 | 第50-51页 |
| 4.2.11 实验结果 | 第51-54页 |
| 4.3 特征脸算法 | 第54-67页 |
| 4.3.1 小波变换简介 | 第54-55页 |
| 4.3.2 Harr 小波 | 第55-57页 |
| 4.3.3 Harr 小波降维的图像应用 | 第57-59页 |
| 4.3.4 主分量分析法（PCA）理论基础 | 第59-60页 |
| 4.3.5 人脸图像PCA 算法 | 第60-63页 |
| 4.3.6 HARR-PCA 算法 | 第63-64页 |
| 4.3.7 实验结果 | 第64-67页 |
| 4.4 本章小结 | 第67-68页 |
| 第五章 系统设计与实现 | 第68-81页 |
| 5.1 系统平台 | 第68页 |
| 5.2 系统模块划分 | 第68-70页 |
| 5.3 人脸检测和识别系统的实现 | 第70-80页 |
| 5.3.1 图像处理模块 | 第70-74页 |
| 5.3.2 数据库管理模块 | 第74-79页 |
| 5.3.3 用户交互模块 | 第79-80页 |
| 5.4 本章小结 | 第80-81页 |
| 第六章 总结与展望 | 第81-83页 |
| 6.1 工作总结 | 第81页 |
| 6.2 进一步工作展望 | 第81-83页 |
| 致谢 | 第83-84页 |
| 参考文献 | 第84-87页 |
| 攻硕期间取得的研究成果 | 第87-88页 |
