基于微信平台的人脸识别系统研究与实现
| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 第一章 绪论 | 第9-15页 |
| 1.1 课题研究背景和意义 | 第9-10页 |
| 1.2 研究现状 | 第10-13页 |
| 1.2.1 人脸识别的发展 | 第10-12页 |
| 1.2.2 移动终端的人脸识别应用 | 第12-13页 |
| 1.3 论文研究内容 | 第13-14页 |
| 1.4 论文组织结构 | 第14-15页 |
| 第二章 人脸图像预处理与人脸检测 | 第15-28页 |
| 2.1 人物背景去除技术 | 第15-19页 |
| 2.1.1 随机游走图像分割 | 第15-16页 |
| 2.1.2 SWRW算法 | 第16-18页 |
| 2.1.3 实验分析 | 第18-19页 |
| 2.2 人脸图像预处理 | 第19-20页 |
| 2.2.1 图像的灰度化 | 第19-20页 |
| 2.2.2 直方图均衡化 | 第20页 |
| 2.3 人脸检测 | 第20-24页 |
| 2.3.1 Haar与Haar_T特征 | 第21-22页 |
| 2.3.2 积分图与矩形特征计算 | 第22-24页 |
| 2.4 基于Adaboost算法的人脸检测 | 第24-27页 |
| 2.4.1 Adaboost算法 | 第24-25页 |
| 2.4.2 构造分类器 | 第25-27页 |
| 2.5 本章小结 | 第27-28页 |
| 第三章 人脸识别 | 第28-40页 |
| 3.1 图像特征提取 | 第28-33页 |
| 3.1.1 局部二值模式 | 第28-30页 |
| 3.1.2 其他局部二值模式 | 第30-32页 |
| 3.1.3 本文改进的局部二值模式 | 第32-33页 |
| 3.2 人脸身份匹配 | 第33-37页 |
| 3.2.1 稀疏表示理论 | 第33-34页 |
| 3.2.2 算法设计 | 第34-36页 |
| 3.2.3 实验分析 | 第36-37页 |
| 3.3 人脸表情匹配 | 第37-39页 |
| 3.3.1 算法设计 | 第37-38页 |
| 3.3.2 实验分析 | 第38-39页 |
| 3.4 本章小结 | 第39-40页 |
| 第四章 系统总体设计 | 第40-48页 |
| 4.1 微信平台 | 第40页 |
| 4.2 云服务器 | 第40-42页 |
| 4.2.1 云服务器的兴起 | 第40-41页 |
| 4.2.2 阿里云服务器的优势 | 第41-42页 |
| 4.3 系统需求分析 | 第42页 |
| 4.4 系统总体方案设计 | 第42-44页 |
| 4.5 HTTP、XML、数据库技术 | 第44-47页 |
| 4.5.1 HTTP技术 | 第44-45页 |
| 4.5.2 XML技术 | 第45-46页 |
| 4.5.3 数据库技术 | 第46-47页 |
| 4.6 本章小结 | 第47-48页 |
| 第五章 基于微信平台的人脸识别系统实现 | 第48-58页 |
| 5.1 开发环境的搭建 | 第48-50页 |
| 5.1.1 软、硬件环境 | 第48页 |
| 5.1.2 OpenCV环境配置 | 第48-49页 |
| 5.1.3 云服务器网址接入 | 第49-50页 |
| 5.2 系统具体设计开发 | 第50-56页 |
| 5.2.1 人脸数据模块 | 第50-51页 |
| 5.2.2 图像预处理模块 | 第51-53页 |
| 5.2.3 人脸检测模块 | 第53-54页 |
| 5.2.4 人脸识别模块 | 第54-56页 |
| 5.3 系统测试 | 第56-57页 |
| 5.4 本章小结 | 第57-58页 |
| 第六章 总结和展望 | 第58-60页 |
| 6.1 总结 | 第58页 |
| 6.2 展望 | 第58-60页 |
| 参考文献 | 第60-65页 |
| 致谢 | 第65-66页 |
| 在校期间发表的学术论文及其他科研成果 | 第66页 |
