| 摘要 | 第4-6页 |
| abstract | 第6-7页 |
| 第一章 绪论 | 第11-17页 |
| 1.1 选题背景及意义 | 第11-12页 |
| 1.1.1 智能监控视频技术的发展 | 第11页 |
| 1.1.2 监控视频中人脸识别的研究价值 | 第11-12页 |
| 1.2 研究现状 | 第12-15页 |
| 1.2.1 监控视频中人脸识别的研究现状 | 第12-13页 |
| 1.2.2 低分辨率图像重构的研究现状 | 第13-15页 |
| 1.3 主要工作内容 | 第15-16页 |
| 1.4 论文组织结构 | 第16-17页 |
| 第二章 视频中人脸检测与定位 | 第17-34页 |
| 2.1 图像预处理 | 第17-21页 |
| 2.1.1 图像灰度化 | 第17-18页 |
| 2.1.2 人脸图像去噪 | 第18-20页 |
| 2.1.3 直方图均衡化 | 第20-21页 |
| 2.2 基于肤色模型的人脸检测 | 第21-25页 |
| 2.2.1 建立YCbCr肤色模型 | 第21-22页 |
| 2.2.2 人脸区域筛选 | 第22-24页 |
| 2.2.3 实验结果 | 第24-25页 |
| 2.3 奇异值特征的人脸检测 | 第25-27页 |
| 2.4 基于Adaboost算法的人脸检测 | 第27-33页 |
| 2.4.1 Haar特征 | 第28-29页 |
| 2.4.2 分类器的构造 | 第29-30页 |
| 2.4.3 实验结果 | 第30-32页 |
| 2.4.4 算法改进 | 第32-33页 |
| 2.5 本章小结 | 第33-34页 |
| 第三章 图像超分辨率重构 | 第34-46页 |
| 3.1 图像高分辨率到低分辨的过程 | 第34-36页 |
| 3.2 双线性插值算法 | 第36-37页 |
| 3.2.1 原理介绍 | 第36-37页 |
| 3.2.2 实验结果 | 第37页 |
| 3.3 基于小波变换的重构 | 第37-40页 |
| 3.3.1 原理介绍 | 第37-39页 |
| 3.3.2 实验结果 | 第39-40页 |
| 3.4 迭代反投影法 | 第40-42页 |
| 3.4.1 原理介绍 | 第40-41页 |
| 3.4.2 实验结果 | 第41-42页 |
| 3.5 凸集投影法 | 第42-45页 |
| 3.5.1 原理介绍 | 第42-43页 |
| 3.5.2 实验结果 | 第43-45页 |
| 3.6 本章小结 | 第45-46页 |
| 第四章 基于Gabor小波特征提取的PCA人脸识别 | 第46-54页 |
| 4.1 Gabor滤波器 | 第46-49页 |
| 4.1.1 Gabor小波原理 | 第46-47页 |
| 4.1.2 基于Gabor滤波器的人脸特征提取 | 第47-49页 |
| 4.2 基于PCA的人脸识别 | 第49-51页 |
| 4.2.1 PCA原理 | 第49-51页 |
| 4.2.2 基于最邻近距离的判别方法 | 第51页 |
| 4.3 实验过程与结果 | 第51-53页 |
| 4.3.1 实验过程 | 第51-52页 |
| 4.3.2 实验结果 | 第52-53页 |
| 4.4 本章小结 | 第53-54页 |
| 第五章 人脸识别系统设计与实现 | 第54-63页 |
| 5.1 软件环境介绍 | 第54-55页 |
| 5.1.1 OpenCV函数库 | 第54-55页 |
| 5.1.2 SQL server数据库的应用 | 第55页 |
| 5.2 需求分析 | 第55页 |
| 5.3 系统设计 | 第55-58页 |
| 5.3.1 视频图像预处理模块 | 第56页 |
| 5.3.2 人脸目标检测模块 | 第56页 |
| 5.3.3 图像重构模块 | 第56-57页 |
| 5.3.4 人脸识别模块 | 第57-58页 |
| 5.4 系统实现 | 第58-62页 |
| 5.4.1 用户注册信息 | 第59-60页 |
| 5.4.2 数据库操作 | 第60-61页 |
| 5.4.3 查找识别 | 第61-62页 |
| 5.5 本章小结 | 第62-63页 |
| 第六章 总结与展望 | 第63-65页 |
| 6.1 本文工作总结 | 第63-64页 |
| 6.2 后序工作展望 | 第64-65页 |
| 参考文献 | 第65-69页 |
| 攻读学位期间取得的研究成果 | 第69-70页 |
| 致谢 | 第70页 |