基于人脸识别算法的门禁系统的设计与实现
| 摘要 | 第3-4页 |
| Abstract | 第4页 |
| 第1章 绪论 | 第7-13页 |
| 1.1 研究背景及意义 | 第7页 |
| 1.2 人脸识别技术的研究现状 | 第7-9页 |
| 1.3 门禁系统的发展现状 | 第9-11页 |
| 1.4 主要研究内容 | 第11页 |
| 1.5 论文组织结构 | 第11页 |
| 1.6 本章小结 | 第11-13页 |
| 第2章 人脸检测算法的研究 | 第13-21页 |
| 2.1 ADABOOST算法概述 | 第13-14页 |
| 2.2 HAAR矩形特征及其特征值的计算 | 第14-17页 |
| 2.3 ADABOOST算法的分类器训练 | 第17-18页 |
| 2.4 级联分类器 | 第18-20页 |
| 2.5 本章小结 | 第20-21页 |
| 第3章 人脸识别算法的研究 | 第21-41页 |
| 3.1 人脸图像预处理 | 第21-24页 |
| 3.1.1 几何规范化 | 第21-22页 |
| 3.1.2 灰度规范化处理 | 第22-23页 |
| 3.1.3 中值滤波 | 第23-24页 |
| 3.2 人脸识别算法的分析与对比 | 第24-31页 |
| 3.2.1 人脸识别算法简介 | 第25-26页 |
| 3.2.2 二维主成分分析法(2DPCA) | 第26-30页 |
| 3.2.3 PCA和2DPCA实验对比分析 | 第30-31页 |
| 3.3 人脸识别算法的优化改进 | 第31-39页 |
| 3.3.1 线性判别方法的原理分析 | 第32-37页 |
| 3.3.2 优化改进的人脸识别方法 | 第37-39页 |
| 3.3.3 优化算法实验分析 | 第39页 |
| 3.4 本章小结 | 第39-41页 |
| 第4章 人脸识别门禁系统的实现 | 第41-57页 |
| 4.1 人脸识别系统硬件平台搭建 | 第42-44页 |
| 4.1.1 Tiny6410开发板 | 第42-43页 |
| 4.1.2 使用SD启动卡安装Linux系统 | 第43-44页 |
| 4.1.3 建立交叉编译环境 | 第44页 |
| 4.2 OPENCV和QT的简介与移植 | 第44-48页 |
| 4.3 基于OPENCV的人脸检测 | 第48-50页 |
| 4.4 人脸数据库的建立 | 第50-51页 |
| 4.5 摄像头选取 | 第51页 |
| 4.6 基于OPENCV的人脸识别系统的实现 | 第51-54页 |
| 4.6.1 Qt调用OpenCV | 第51-52页 |
| 4.6.2 OpenCV图像预处理的实现 | 第52-53页 |
| 4.6.3 基于OpenCV的人脸识别 | 第53-54页 |
| 4.7 人脸识别系统测试 | 第54-55页 |
| 4.8 系统测试结果分析 | 第55页 |
| 4.9 本章小结 | 第55-57页 |
| 第5章 门禁系统出入人员数据查询 | 第57-63页 |
| 5.1 进入门禁系统人员信息查询系统 | 第57-59页 |
| 5.2 串口接收数据调用进入门禁系统的人员信息 | 第59-60页 |
| 5.3 进入门禁人员个人信息查询模块 | 第60-62页 |
| 5.4 本章小结 | 第62-63页 |
| 第6章 总结与展望 | 第63-65页 |
| 6.1 总结 | 第63页 |
| 6.2 下一步工作展望 | 第63-65页 |
| 致谢 | 第65-66页 |
| 参考文献 | 第66-70页 |
| 攻读硕士学位期间发表的论文及科研成果 | 第70页 |
