| 摘要 | 第5-6页 |
| ABSTRACT | 第6页 |
| 第一章 绪论 | 第9-15页 |
| 1.1 课题研究背景及意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-12页 |
| 1.2.1 人脸识别技术发展现状 | 第10-11页 |
| 1.2.2 Android系统上人脸识别技术发展现状 | 第11-12页 |
| 1.3 本文主要内容及组织结构 | 第12-15页 |
| 第二章 人脸检测 | 第15-33页 |
| 2.1 概述 | 第15-16页 |
| 2.2 基于YCrCb颜色空间的肤色人脸检测 | 第16-22页 |
| 2.2.1 YCrCb颜色空间转换 | 第16-17页 |
| 2.2.2 肤色分割 | 第17-18页 |
| 2.2.3 基于OTSU的图像二值化 | 第18-19页 |
| 2.2.4 人脸区域筛选 | 第19-21页 |
| 2.2.5 人脸位置标记 | 第21-22页 |
| 2.3 基于Haar特征的Adaboost人脸检测 | 第22-29页 |
| 2.3.1 Haar特征与积分图 | 第23-24页 |
| 2.3.2 弱分类器的训练及选取 | 第24-26页 |
| 2.3.3 强分类器的训练及选取 | 第26-27页 |
| 2.3.4 级联分类器 | 第27-29页 |
| 2.4 基于肤色和Adaboost算法相结合的人脸检测算法 | 第29-30页 |
| 2.5 实验结果与分析 | 第30-31页 |
| 2.6 本章小结 | 第31-33页 |
| 第三章 人脸特征提取 | 第33-47页 |
| 3.1 概述 | 第33页 |
| 3.2 人脸图像的标准化处理 | 第33-35页 |
| 3.2.1 图像灰度化 | 第34页 |
| 3.2.2 几何归一化 | 第34-35页 |
| 3.3 基于主成分分析(PCA)的人脸特征提取方法 | 第35-40页 |
| 3.3.1 K-L变换 | 第35-38页 |
| 3.3.2 基于PCA的特征提取 | 第38-40页 |
| 3.4 基于模糊线性判别分析的人脸特征提取方法 | 第40-45页 |
| 3.4.1 基于LDA的特征提取 | 第41-43页 |
| 3.4.2 基于LDA和PCA相结合的两阶段法 | 第43-44页 |
| 3.4.3 基于模糊线性判别的特征提取 | 第44-45页 |
| 3.5 实验结果与分析 | 第45-46页 |
| 3.6 本章小结 | 第46-47页 |
| 第四章 人脸识别 | 第47-57页 |
| 4.1 概述 | 第47页 |
| 4.2 最近邻分类器 | 第47-48页 |
| 4.3 支持向量机 | 第48-53页 |
| 4.3.1 线性可分情况下的最优分类面 | 第49-50页 |
| 4.3.2 线性不可分情况下的广义最优分类面 | 第50-51页 |
| 4.3.3 SVM的核函数 | 第51-53页 |
| 4.4 最近邻和支持向量机相结合的分类算法 | 第53-54页 |
| 4.5 实验结果与分析 | 第54-55页 |
| 4.6 本章小结 | 第55-57页 |
| 第五章 软件系统设计与实现 | 第57-71页 |
| 5.1 概述 | 第57页 |
| 5.2 系统功能及软件架构 | 第57-58页 |
| 5.3 软件开发环境 | 第58页 |
| 5.4 核心软件模块设计与实现 | 第58-64页 |
| 5.4.1 数据库设计 | 第59-60页 |
| 5.4.2 检测模块 | 第60-63页 |
| 5.4.3 解锁模块 | 第63-64页 |
| 5.5 系统测试 | 第64-71页 |
| 5.5.1 系统功能测试 | 第65-68页 |
| 5.5.2 系统性能测试 | 第68-71页 |
| 第六章 总结与展望 | 第71-73页 |
| 致谢 | 第73-75页 |
| 参考文献 | 第75-78页 |
