| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第1章 绪论 | 第9-15页 |
| 1.1 论文的研究背景及意义 | 第9-11页 |
| 1.1.1 云计算的研究背景及意义 | 第9-10页 |
| 1.1.2 人脸识别的研究背景及意义 | 第10-11页 |
| 1.2 国内外发展现状 | 第11-13页 |
| 1.2.1 云计算的发展现状 | 第11-12页 |
| 1.2.2 人脸识别的发展现状 | 第12-13页 |
| 1.3 本文研究内容与关键技术 | 第13页 |
| 1.4 章节安排 | 第13-15页 |
| 第2章 云计算平台 | 第15-27页 |
| 2.1 云计算概述 | 第15-17页 |
| 2.1.1 云计算特点和优势 | 第15页 |
| 2.1.2 云计算架构 | 第15-16页 |
| 2.1.3 云计算服务模式 | 第16-17页 |
| 2.2 Hadoop 集群 | 第17-26页 |
| 2.2.1 Hadoop 集群基本框架 | 第18-19页 |
| 2.2.2 hadoop 的分布式文件系统-HDFS | 第19-24页 |
| 2.2.3 MapReduce 算法 | 第24-26页 |
| 2.3 Hadoop 程序设计 | 第26页 |
| 2.4 本章小结 | 第26-27页 |
| 第3章 人脸识别算法 | 第27-36页 |
| 3.1 人脸识别算法概述 | 第27页 |
| 3.2 人脸图像采集及检测 | 第27-30页 |
| 3.2.1 基于特征的人脸检测方法 | 第28-29页 |
| 3.2.2 基于模板匹配的人脸检测方法 | 第29页 |
| 3.2.3 基于统计的人脸检测方法 | 第29-30页 |
| 3.3 人脸图像预处理 | 第30-32页 |
| 3.3.1 直方图均衡化 | 第30页 |
| 3.3.2 灰度拉伸 | 第30-31页 |
| 3.3.3 中值滤波 | 第31-32页 |
| 3.3.4 同态滤波 | 第32页 |
| 3.4 人脸图像特征提取 | 第32-35页 |
| 3.4.1 主成分分析法原理 | 第33-34页 |
| 3.4.2 基于主成分分析法的人脸识别 | 第34-35页 |
| 3.5 本章小结 | 第35-36页 |
| 第4章 OpenCV 计算机视觉库 | 第36-45页 |
| 4.1 Opencv 概述 | 第36-38页 |
| 4.1.1 OpenCV 的模块 | 第36页 |
| 4.1.2 OpenCV 功能 | 第36-37页 |
| 4.1.3 OpenCV 的基本类型和操作 | 第37-38页 |
| 4.2 基于 OpenCV 的人脸检测 | 第38-41页 |
| 4.3 基于 OpenCV 的图像预处理 | 第41-42页 |
| 4.3.1 平滑处理 | 第41页 |
| 4.3.2 直方图均衡化 | 第41-42页 |
| 4.3.3 设置 ROI 感兴趣区域 | 第42页 |
| 4.4 基于 OpenCV 的特征脸方法研究 | 第42-44页 |
| 4.5 本章小结 | 第44-45页 |
| 第5章 系统设计与实现 | 第45-58页 |
| 5.1 系统概述 | 第45-46页 |
| 5.2 Hadoop 平台搭建 | 第46-53页 |
| 5.2.1 安装 VMware 及 ubuntu 系统 | 第46-47页 |
| 5.2.2 Hadoop 配置与安装 | 第47-53页 |
| 5.3 人脸识别客户端建立 | 第53-56页 |
| 5.3.1 图像采集过程 | 第53-54页 |
| 5.3.2 图像预处理过程 | 第54页 |
| 5.3.3 人脸检测过程 | 第54页 |
| 5.3.4 客户端效果图 | 第54-56页 |
| 5.4 系统测试 | 第56-57页 |
| 5.5 本章小结 | 第57-58页 |
| 总结与展望 | 第58-60页 |
| 参考文献 | 第60-63页 |
| 攻读学位期间取得的研究成果 | 第63-64页 |
| 致谢 | 第64页 |