基于面部特征的矿山井下人员身份验证技术研究
| 摘要 | 第1-4页 |
| Abstract | 第4-9页 |
| 1 绪论 | 第9-20页 |
| ·研究意义与背景 | 第9-11页 |
| ·国内外研究现状 | 第11-14页 |
| ·人脸识别的发展历程 | 第11-12页 |
| ·国内外研究现状 | 第12-14页 |
| ·人脸识别的研究内容 | 第14-15页 |
| ·人脸识别数据来源 | 第15-18页 |
| ·人脸识别测试数据库简介 | 第15-18页 |
| ·本论文所用人脸数据库 | 第18页 |
| ·本论文的内容与结构 | 第18-20页 |
| 2 人脸定位及检测技术综述 | 第20-28页 |
| ·人脸识别方法概述 | 第20-25页 |
| ·基于小波变换的方法 | 第21-22页 |
| ·基于模板的方法 | 第22页 |
| ·基于几何特征的方法 | 第22-23页 |
| ·基于统计特征的方法 | 第23-24页 |
| ·基于机器识别的方法 | 第24-25页 |
| ·人脸识别算法比较分析 | 第25页 |
| ·人眼定位方法概述 | 第25-27页 |
| ·霍夫(Hough)变换法 | 第25-26页 |
| ·模板匹配法 | 第26页 |
| ·对称变换法 | 第26-27页 |
| ·人眼识别算法比较分析 | 第27页 |
| 本章小结 | 第27-28页 |
| 3 井下人员图像预处理技术研究 | 第28-39页 |
| ·直方图修正 | 第28-33页 |
| ·灰度扩展 | 第29-30页 |
| ·削波 | 第30-31页 |
| ·阈值化 | 第31页 |
| ·灰度窗口变换 | 第31-32页 |
| ·直方图均衡化 | 第32-33页 |
| ·图像对比度增强 | 第33页 |
| ·图像平滑 | 第33-35页 |
| ·中值滤波 | 第33页 |
| ·Box模板 | 第33-34页 |
| ·高斯滤波 | 第34-35页 |
| ·光线补偿 | 第35页 |
| ·几何变换 | 第35-38页 |
| ·最邻近插值与双线性内插值 | 第35-36页 |
| ·三次卷积法 | 第36-38页 |
| 本章小结 | 第38-39页 |
| 4 井下人员人脸检测与面部特征定位研究 | 第39-51页 |
| ·井下人员人脸检测 | 第39页 |
| ·人脸检测原理 | 第39-43页 |
| ·算法描述 | 第39-40页 |
| ·haar特征 | 第40-41页 |
| ·弱分类器的选取 | 第41页 |
| ·级联分类器原理及构造 | 第41-43页 |
| ·基于XML文档的分类器构造 | 第43-49页 |
| ·目标检测分为四个步骤 | 第43页 |
| ·样本创建 | 第43-45页 |
| ·训练分类器 | 第45页 |
| ·生成基于xml的多级分类器文件 | 第45-49页 |
| ·人眼检测 | 第49-50页 |
| ·人眼分类器训练图片 | 第49页 |
| ·人眼分类器xml文件 | 第49-50页 |
| 本章小结 | 第50-51页 |
| 5 基于视频流的井下人员人脸识别 | 第51-54页 |
| ·视频流获取 | 第51页 |
| ·视频流获取 | 第51页 |
| ·OpenCV特点与优点 | 第51页 |
| ·基于视频流的井下人员人脸识别 | 第51-53页 |
| ·视频流的井下人员人脸识别原理 | 第51-52页 |
| ·硬件设备 | 第52页 |
| ·编程框架 | 第52-53页 |
| 本章小结 | 第53-54页 |
| 6 试验结果及分析 | 第54-61页 |
| ·实验平台 | 第54页 |
| ·试验系统 | 第54-57页 |
| ·试验结果 | 第57-59页 |
| ·试验分析 | 第59-60页 |
| 本章小结 | 第60-61页 |
| 7 结束语 | 第61-63页 |
| ·论文的主要工作 | 第61页 |
| ·本论文尚待解决问题 | 第61-63页 |
| 致谢 | 第63-64页 |
| 参考文献 | 第64-67页 |
| 攻读硕士期间公开发表论文 | 第67页 |
