| 摘要 | 第3-4页 |
| ABSTRACT | 第4页 |
| 第一章 绪论 | 第8-12页 |
| 1.1 课题背景及研究意义 | 第8页 |
| 1.2 国内外研究现状 | 第8-9页 |
| 1.3 论文的主要研究内容 | 第9-10页 |
| 1.4 论文所做工作与结构安排 | 第10-12页 |
| 第二章 人脸识别算法框架及原型设计总述 | 第12-22页 |
| 2.1 人脸识别算法通用框架 | 第12-13页 |
| 2.2 本文识别算法框架 | 第13-18页 |
| 2.2.1 人脸检测 | 第13-14页 |
| 2.2.2 预处理 | 第14-16页 |
| 2.2.3 特征提取 | 第16页 |
| 2.2.4 人脸识别 | 第16-17页 |
| 2.2.5 人脸识别算法总体框架 | 第17-18页 |
| 2.3 基于本文算法的人脸识别原型系统软硬件框架 | 第18-21页 |
| 2.3.1 硬件平台 | 第18-19页 |
| 2.3.2 人脸识别系统软件平台 | 第19-21页 |
| 2.4 本章小结 | 第21-22页 |
| 第三章 人脸检测和人脸图像预处理 | 第22-29页 |
| 3.1 人脸检测 | 第22-25页 |
| 3.1.1 Adaboost分类器 | 第22-25页 |
| 3.2 图像预处理 | 第25-28页 |
| 3.2.1 光线补偿 | 第25-26页 |
| 3.2.2 人脸图像灰度化处理 | 第26页 |
| 3.2.3 去除人脸图像中的噪声 | 第26-27页 |
| 3.2.4 均衡直方图 | 第27页 |
| 3.2.5 人脸图像对比度增强 | 第27-28页 |
| 3.3 本章小结 | 第28-29页 |
| 第四章 特征提取和特征分类 | 第29-36页 |
| 4.1 特征提取 | 第29-33页 |
| 4.1.1 新分割方法的优势 | 第29-30页 |
| 4.1.2 人脸局部特征定位 | 第30-31页 |
| 4.1.3 人脸分割算法的有效性(理论依据) | 第31-32页 |
| 4.1.4 对分割后的特征使用改进后的PCA方法进行特征提取(提取主要特征) | 第32-33页 |
| 4.2 特征分类和识别 | 第33-35页 |
| 4.2.1 SVM分类算法 | 第33-34页 |
| 4.2.2 SVM分类识别结果 | 第34-35页 |
| 4.3 本章小结 | 第35-36页 |
| 第五章 人脸识别算法的软件原型设计 | 第36-43页 |
| 5.1 PC平台人脸识别原型系统设计 | 第36-39页 |
| 5.1.1 人脸识别PC机原型系统功能特点 | 第36-37页 |
| 5.1.2 人脸识别PC机原型系统软硬件框架 | 第37-39页 |
| 5.2 便携式人脸识别系统设计 | 第39-42页 |
| 5.2.1 便携式人脸识别系统功能特点 | 第39-40页 |
| 5.2.2 便携式人脸识别系统软硬件框架 | 第40-42页 |
| 5.3 本章小结 | 第42-43页 |
| 第六章 系统测试与功能验证 | 第43-49页 |
| 6.1 本文人脸识别算法识别率及识别效率验证 | 第43-44页 |
| 6.2 PC机人脸识别原型系统功能验证 | 第44-46页 |
| 6.3 便携式人脸识别系统功能验证 | 第46-48页 |
| 6.4 本章小结 | 第48-49页 |
| 第七章 结论与展望 | 第49-50页 |
| 7.1 主要结论 | 第49页 |
| 7.2 研究展望 | 第49-50页 |
| 参考文献 | 第50-53页 |
| 在学期间的研究成果 | 第53-54页 |
| 致谢 | 第54页 |