基于OpenCV的人脸识别的算法研究与实现
| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第1章 绪论 | 第8-20页 |
| 1.1 背景与意义 | 第8-12页 |
| 1.1.1 研究意义与典型应用 | 第8-11页 |
| 1.1.2 优势与不足 | 第11-12页 |
| 1.2 国内外研究动态 | 第12-16页 |
| 1.2.1 人脸识别国内外发展状况 | 第12-16页 |
| 1.3 人脸识别系统的应用 | 第16-18页 |
| 1.4 论文主要工作和结构安排 | 第18-20页 |
| 第2章 相关知识与技术简介 | 第20-26页 |
| 2.1 主要技术概述 | 第20-23页 |
| 2.1.1 OpenCV简介 | 第20-22页 |
| 2.1.2 Visual C++ 2012简介 | 第22-23页 |
| 2.1.3 OpenCV的安装与配置 | 第23页 |
| 2.2 OPENCV的主要模块及数据类型 | 第23-24页 |
| 2.3 人脸识别技术评价 | 第24页 |
| 2.4 本章小结 | 第24-26页 |
| 第3章 人脸识别算法 | 第26-49页 |
| 3.1 基于PCA的人脸识别方法 | 第26-31页 |
| 3.1.1 K-L变换 | 第26-28页 |
| 3.1.2 PCA的基础 | 第28-29页 |
| 3.1.3 PCA的概念 | 第29-30页 |
| 3.1.4 PCA原理 | 第30-31页 |
| 3.2 基于FISHER线性判别的人脸识别方法 | 第31-35页 |
| 3.2.1 核FISHER判决分析算法 | 第32-35页 |
| 3.2.2 最优鉴别平面 | 第35页 |
| 3.3 基于LBP特征的人脸识别方法 | 第35-40页 |
| 3.3.1 人脸区域划分 | 第36页 |
| 3.3.2 分类LBP特征提取 | 第36-38页 |
| 3.3.3 PCA特征降维 | 第38-39页 |
| 3.3.4 SVM分类识别模块 | 第39-40页 |
| 3.4 对LBP的研究与改进 | 第40-48页 |
| 3.4.1 深入研究与改进 | 第43-48页 |
| 3.5 本章小结 | 第48-49页 |
| 第4章 基于OPENCV搭建人脸识别实验平台 | 第49-65页 |
| 4.1 人脸识别实验平台的功能 | 第49-52页 |
| 4.2 整体设计 | 第52-54页 |
| 4.3 不同功能层次的设计 | 第54-62页 |
| 4.3.1 上层模块 | 第54-55页 |
| 4.3.2 中间层模块 | 第55-60页 |
| 4.3.3 底层模块 | 第60-62页 |
| 4.3.4 系统整体运行 | 第62页 |
| 4.4 实现设计 | 第62-65页 |
| 4.4.1 面向对象的层次结构 | 第63-64页 |
| 4.4.2 错误处理的设计 | 第64页 |
| 4.4.3 系统运行参数和文件的管理 | 第64-65页 |
| 第5章 总结与展望 | 第65-67页 |
| 致谢 | 第67-68页 |
| 参考文献 | 第68-70页 |
