基于PCA/ICA的人脸识别片上系统的设计与实现
| 摘要 | 第6-7页 |
| Abstract | 第7-8页 |
| 第1章 绪论 | 第13-21页 |
| 1.1 论文研究的背景和意义 | 第13-14页 |
| 1.2 人脸识别发展现状 | 第14-18页 |
| 1.2.1 基于代数特征及其融合方法研究现状 | 第14-15页 |
| 1.2.2 基于深度学习的方法研究现状 | 第15-16页 |
| 1.2.3 人脸识别算法的嵌入式平台研究现状 | 第16页 |
| 1.2.4 常用的人脸识别数据库 | 第16-18页 |
| 1.3 论文的主要研究内容 | 第18-19页 |
| 1.4 论文的组织结构 | 第19-21页 |
| 第2章 人脸识别算法硬件平台 | 第21-31页 |
| 2.1 引言 | 第21页 |
| 2.2 ZYNQ架构与开发流程 | 第21-28页 |
| 2.2.1 ZYNQ概述 | 第21-22页 |
| 2.2.2 ZYNQ架构和AXI总线 | 第22-25页 |
| 2.2.3 软硬件协同设计 | 第25-26页 |
| 2.2.4 ZYNQ实现人脸识别算法加速机理 | 第26-28页 |
| 2.3 基于IP核的FPGA开发 | 第28页 |
| 2.4 人脸识别算法实现的嵌入式平台 | 第28-29页 |
| 2.5 本章小结 | 第29-31页 |
| 第3章 人脸识别算法及其优化改进 | 第31-53页 |
| 3.1 引言 | 第31页 |
| 3.2 特征提取算法及其融合算法研究 | 第31-41页 |
| 3.2.1 基于PCA算法的人脸特征提取 | 第32-35页 |
| 3.2.2 基于ICA算法的人脸特征提取 | 第35-39页 |
| 3.2.3 基于PCA/ICA的人脸特征提取 | 第39-40页 |
| 3.2.4 特征提取方法对比分析 | 第40-41页 |
| 3.3 BP神经网络分类器的研究 | 第41-46页 |
| 3.3.1 BP神经网络网络结构和训练方法 | 第41-43页 |
| 3.3.2 BP神经网络优点和不足 | 第43-44页 |
| 3.3.3 BP神经网络分类器的工作原理 | 第44-45页 |
| 3.3.4 BP神经网络分类器的结构简化 | 第45-46页 |
| 3.4 人脸识别算法步骤与结果分析 | 第46-51页 |
| 3.4.1 人脸识别算法步骤 | 第46-47页 |
| 3.4.2 算法结果与分析 | 第47-51页 |
| 3.5 本章小结 | 第51-53页 |
| 第4章 人脸识别算法的片上系统实现 | 第53-63页 |
| 4.1 引言 | 第53页 |
| 4.2 人脸识别算法片上系统实现的整体方案 | 第53-55页 |
| 4.2.1 人脸识别算法的调试过程 | 第53-54页 |
| 4.2.2 人脸识别算法的软硬件划分 | 第54-55页 |
| 4.3 人脸识别算法的片上系统实现 | 第55-60页 |
| 4.3.1 人脸特征提取的片上系统实现 | 第55-56页 |
| 4.3.2 BP神经网络分类器的片上系统实现 | 第56-58页 |
| 4.3.3 FPGA部分整体算法结构 | 第58-60页 |
| 4.4 实验结果对比分析 | 第60-61页 |
| 4.4.1 实验平台 | 第60页 |
| 4.4.2 实验结果与分析 | 第60-61页 |
| 4.5 本章小结 | 第61-63页 |
| 第5章 总结与展望 | 第63-65页 |
| 5.1 论文工作总结 | 第63-64页 |
| 5.2 论文研究展望 | 第64-65页 |
| 参考文献 | 第65-69页 |
| 攻读硕士学位期间发表的学术论文 | 第69-71页 |
| 致谢 | 第71-72页 |
| 详细摘要 | 第72-76页 |
