| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第一章 绪论 | 第8-11页 |
| 1.1 引言 | 第8页 |
| 1.2 国内外研究概况 | 第8-10页 |
| 1.3 本文的主要研究内容 | 第10-11页 |
| 第二章 车牌识别算法的研究 | 第11-23页 |
| 2.1 车牌识别绪论 | 第11-12页 |
| 2.2 车牌识别简介 | 第12-14页 |
| 2.3 车牌定位 | 第14-19页 |
| 2.3.1 基于灰度图像的车牌定位 | 第14-15页 |
| 2.3.2 基于彩色图像的车牌定位 | 第15-16页 |
| 2.3.3 基于机器学习的车牌定位 | 第16-19页 |
| 2.4 车牌识别 | 第19-23页 |
| 2.4.1 Haursdorff 距离 | 第20-21页 |
| 2.4.2 基于 Haursdorff 距离的模板匹配字符识别算法 | 第21页 |
| 2.4.3 性能分析 | 第21-23页 |
| 第三章 人脸算法的研究与实现 | 第23-43页 |
| 3.1 人脸算法绪论 | 第23页 |
| 3.2 人脸检测方法的分类 | 第23-27页 |
| 3.2.1 基于知识的方法 | 第24-25页 |
| 3.2.2 特征不变量方法 | 第25-26页 |
| 3.2.3 模板匹配的方法 | 第26-27页 |
| 3.2.4 基于表象的方法 | 第27页 |
| 3.3 经典人脸检测方法概述 | 第27-29页 |
| 3.3.1 Eigenface | 第27-28页 |
| 3.3.2 Hidden Markov Model (HMM) | 第28页 |
| 3.3.3 Artificial Neural Network (ANN) | 第28-29页 |
| 3.3.4 Example-Based Methods | 第29页 |
| 3.4 Adaboost 方法概述 | 第29-42页 |
| 3.4.1 弱学习与强学习 | 第29-30页 |
| 3.4.2 Boosting 算法 | 第30页 |
| 3.4.3 AdaBoost 算法 | 第30-31页 |
| 3.4.4 AdaBoost 算法的实现 | 第31页 |
| 3.4.5 HaarLike 特征和特征值的计算[41] | 第31-32页 |
| 3.4.6 积分图 | 第32-34页 |
| 3.4.7 分类器的训练 | 第34-37页 |
| 3.4.8 基于 AdaBoost 算法的人脸检测步骤 | 第37-39页 |
| 3.4.9 实验检测结果 | 第39-42页 |
| 3.5 结论 | 第42-43页 |
| 第四章 车牌识别人脸识别在公共安全防范系统的应用 | 第43-50页 |
| 4.1 公共安全防范系统绪论 | 第43页 |
| 4.2 公共安全防范系统 | 第43-47页 |
| 4.2.1 公共安全防范系统简介 | 第43页 |
| 4.2.2 车牌识别、人脸识别应用的视频来源 | 第43-44页 |
| 4.2.3 公共安全防范系统的应用组成 | 第44-45页 |
| 4.2.4 公共安全防范系统的系统结构 | 第45-47页 |
| 4.3 车牌识别人脸识别在公共安全防范系统的应用 | 第47-49页 |
| 4.3.1 交通管理 | 第47-48页 |
| 4.3.2 视频侦查系统 | 第48-49页 |
| 4.4 本章小结 | 第49-50页 |
| 第五章 总结与展望 | 第50-51页 |
| 5.1 总结 | 第50页 |
| 5.2 展望 | 第50-51页 |
| 参考文献 | 第51-54页 |
| 致谢 | 第54页 |
