声明
摘要
1 绪论
1.1 人脸识别的意义
1.2 人脸识别的发展简史
1.3 人脸识别技术
1.3.1 人脸检测
1.3.2 特征点定位
1.3.3 特征提取
1.3.4 分类器设计
1.4 本文的主要内容
1.5 本文的内容安排
2 基于Gabor小波的特征生成方法
2.1 引言
2.2 局部特征描述子方法
2.2.1 局部二值模式
2.2.2 局部三值模式
2.2.3 中心对称二值模式
2.2.4 Gabor变换
2.2.5 局部Gabor二值模式
2.3 两种改进的局部Gabor纹理模式方法
2.4 实验结果
2.4.1 数据集
2.4.2 实验结果
2.5 本章小结
3 基于协同表示的人脸识别方法
3.1 引言
3.2 协同表示分类
3.3 一种协同表示分析特征提取方法
3.3.1 思想
3.3.2 分类
3.3.3 讨论
3.3.4 实验
3.4 一种核协同表示分析特征提取方法
3.4.1 核函数
3.4.2 核协同表示分析
3.4.3 实验
3.5 一种对称协同表示分析特征提取方法
3.5.1 基本思想
3.5.2 算法
3.5.3 实验
3.6 一种协同表示重构投影特征提取方法
3.6.1 基本思想
3.6.2 推导
3.6.3 执行算法
3.6.4 同其他方法的关联
3.6.5 实验
3.7 结论
4 一种基于局部均值表示的分类方法
4.1 引言
4.2 均值表示分类
4.3 局部均值分类
4.3.1 动机
4.3.2 算法
4.3.3 核局部均值分类
4.4 实验
4.4.1 在PolyU掌纹数据库上的实验
4.4.2 在AR人脸库上的实验
4.4.3 在CMU PIE人脸库上的实验
4.5.本章小结
5 基于多尺度子块矩阵回归的人脸识别
5.1 引言
5.2 相关工作
5.2.1 基于核范数的矩阵回归(NMR)
5.2.2 基于块的协同表示分类(Patch-based CRC)
5.3 基于多尺度子块矩阵回归
5.3.1.基本思想
5.3.2.基于子块的矩阵回归
5.4.多尺度集成
5.5 实验
5.5.1 无遮挡人脸识别
5.5.2.带遮挡人脸识别
5.5.3.讨论
5.6 本章小结
结束语
致谢
参考文献
附录