| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第14-20页 |
| 1.1 研究背景及意义 | 第14-15页 |
| 1.2 国内外研究现状 | 第15-17页 |
| 1.3 人眼定位存在的问题及发展趋势 | 第17-18页 |
| 1.3.1 人眼定位存在的问题 | 第17页 |
| 1.3.2 人眼定位发展的趋势 | 第17-18页 |
| 1.4 本文研究内容 | 第18-19页 |
| 1.5 论文组织结构 | 第19-20页 |
| 第2章 人眼定位相关技术 | 第20-35页 |
| 2.1 人眼定位一般步骤 | 第20页 |
| 2.2 人脸检测的主要方法 | 第20-27页 |
| 2.2.1 人脸检测分类 | 第21-25页 |
| 2.2.2 Viola-Jones人脸探测器 | 第25-27页 |
| 2.3 基本PS模型 | 第27-28页 |
| 2.4 图像预处理 | 第28-30页 |
| 2.4.1 图像灰度化 | 第28-29页 |
| 2.4.2 光照预处理 | 第29-30页 |
| 2.5 分类器种类 | 第30-34页 |
| 2.5.1 人工神经网络 | 第30页 |
| 2.5.2 AdaBoost算法 | 第30-32页 |
| 2.5.3 支持向量机(SVM) | 第32-34页 |
| 2.6 小结 | 第34-35页 |
| 第3章 基于改进PS及两级SVM的人眼精确定位算法 | 第35-46页 |
| 3.1 光照归一化 | 第35-37页 |
| 3.1.1 伽马校正 | 第36页 |
| 3.1.2 高斯差分滤波 | 第36-37页 |
| 3.1.3 对比均衡 | 第37页 |
| 3.2 改进PS模型 | 第37-41页 |
| 3.2.1 改进的PS模型 | 第37-38页 |
| 3.2.2 倒梯形约束方法 | 第38-40页 |
| 3.2.3 匹配算法及部分遮挡问题 | 第40-41页 |
| 3.3 改进两级SVM算法 | 第41-42页 |
| 3.3.1 改进SVM算法 | 第41-42页 |
| 3.3.2 SVM两级分类 | 第42页 |
| 3.4 实验结果与分析 | 第42-45页 |
| 3.5.1 实验设置 | 第42-43页 |
| 3.5.2 实验结果分析 | 第43-45页 |
| 3.5 小结 | 第45-46页 |
| 第4章 基于人眼定位的人脸姿态矫正和人脸识别方案 | 第46-59页 |
| 4.1 人脸姿态矫正方法及难点 | 第46页 |
| 4.1.1 人脸姿态矫正方法 | 第46页 |
| 4.1.2 人脸姿态矫正难点 | 第46页 |
| 4.2 基于人眼定位的人脸姿态矫正方案 | 第46-48页 |
| 4.2.1 人脸姿态矫正具体流程 | 第47页 |
| 4.2.2 人脸姿态矫正方案应用 | 第47-48页 |
| 4.3 基于人眼定位的人脸识别方案 | 第48-58页 |
| 4.3.1 需求分析 | 第49-51页 |
| 4.3.2 数据库表设计 | 第51-52页 |
| 4.3.3 系统设计 | 第52-58页 |
| 4.4 小结 | 第58-59页 |
| 第5章 Android平台上基于人眼定位的人脸认证系统 | 第59-68页 |
| 5.1 Android平台 | 第59-60页 |
| 5.1.1 Android平台的优势 | 第59页 |
| 5.1.2 Android平台的系统架构 | 第59-60页 |
| 5.2 系统概述 | 第60-61页 |
| 5.3 系统实现平台 | 第61页 |
| 5.4 系统实现 | 第61-67页 |
| 5.4.1 用户信息注册 | 第61-62页 |
| 5.4.2 人脸图像采集 | 第62-63页 |
| 5.4.3 人脸检测 | 第63-64页 |
| 5.4.4 人眼定位 | 第64页 |
| 5.4.5 人脸姿态矫正 | 第64-65页 |
| 5.4.6 人脸训练 | 第65-66页 |
| 5.4.7 人脸识别 | 第66-67页 |
| 5.4.8 密码认证 | 第67页 |
| 5.5 小结 | 第67-68页 |
| 结论 | 第68-70页 |
| 参考文献 | 第70-76页 |
| 致谢 | 第76-78页 |
| 附录 A 攻读硕士学位期间所发表的学术论文目录 | 第78-79页 |
| 附录 B 攻读硕士学位期间所参与实践项目 | 第79页 |