基于嵌入式门禁系统的人脸识别技术的研究
| 摘要 | 第1-7页 |
| Abstract | 第7-11页 |
| 第1章 绪论 | 第11-26页 |
| ·课题的研究背景及意义 | 第11-13页 |
| ·门禁系统概述 | 第11-12页 |
| ·人脸识别作为生物特征识别的研究意义 | 第12-13页 |
| ·人脸识别的国内外研究现状 | 第13-14页 |
| ·人脸识别技术的研究 | 第14-21页 |
| ·人脸识别系统的组成 | 第14-15页 |
| ·人脸检测方法 | 第15-17页 |
| ·人脸特征提取方法 | 第17-19页 |
| ·人脸识别方法 | 第19-20页 |
| ·国内外可用于研究的人脸数据库 | 第20-21页 |
| ·嵌入式门禁系统 | 第21-23页 |
| ·系统结构 | 第21-22页 |
| ·系统功能 | 第22-23页 |
| ·嵌入式门禁系统中人脸识别技术方案的实现 | 第23页 |
| ·本文的主要工作和结构安排 | 第23-26页 |
| 第2章 人脸图像预处理 | 第26-34页 |
| ·人眼的检测和定位 | 第26-28页 |
| ·几何规范化 | 第28-29页 |
| ·平移 | 第28页 |
| ·旋转 | 第28-29页 |
| ·缩放 | 第29页 |
| ·灰度规范化 | 第29-33页 |
| ·灰度变换 | 第29-30页 |
| ·中值滤波 | 第30-31页 |
| ·直方图均衡化 | 第31-33页 |
| ·本章小结 | 第33-34页 |
| 第3章 基于ADABOOST 算法的人脸检测 | 第34-47页 |
| ·概述 | 第34-35页 |
| ·Haar-like 特征与积分图 | 第35-39页 |
| ·Haar-like 特征 | 第35-37页 |
| ·积分图 | 第37-39页 |
| ·基于 AdaBoost 算法的人脸检测 | 第39-43页 |
| ·haar-like 特征生成弱分类器 | 第39-40页 |
| ·利用 AdaBoost 算法生成强分类器 | 第40-41页 |
| ·级联分类器 | 第41-43页 |
| ·AdaBoost 算法在人脸检测中的应用 | 第43-46页 |
| ·本章小结 | 第46-47页 |
| 第4章 小波变换 | 第47-60页 |
| ·连续小波变换 | 第47-48页 |
| ·离散小波变换 | 第48-49页 |
| ·多分辨分析与二维 Mallat 算法 | 第49-57页 |
| ·多分辨分析（MRA） | 第49-53页 |
| ·Mallat 算法 | 第53-55页 |
| ·二维 Mallat 算法 | 第55-57页 |
| ·小波变换在人脸图像处理中的应用 | 第57-59页 |
| ·本章小结 | 第59-60页 |
| 第5章 基于主成分分析的人脸识别技术 | 第60-77页 |
| ·基于主成分分析的人脸识别算法 | 第60-65页 |
| ·PCA 算法的基本原理 | 第61-64页 |
| ·特征提取 | 第64页 |
| ·分类识别 | 第64-65页 |
| ·基于二维主成分分析的人脸识别算法 | 第65-69页 |
| ·2DPCA 算法的基本原理 | 第65-68页 |
| ·特征提取 | 第68-69页 |
| ·分类识别 | 第69页 |
| ·分类器的设计 | 第69-72页 |
| ·概述 | 第69页 |
| ·常用的分类器 | 第69-72页 |
| ·基于小波变换的2DPCA 人脸识别算法 | 第72-74页 |
| ·小波变换 | 第72页 |
| ·基于类间散布矩阵的2DPCA 算法的特征提取 | 第72-73页 |
| ·基于类内平均距离的分类器 | 第73-74页 |
| ·实验结果与分析 | 第74-76页 |
| ·本章小结 | 第76-77页 |
| 结论 | 第77-78页 |
| 参考文献 | 第78-82页 |
| 攻读学位期间发表的论文以及所取得的研究成果 | 第82-83页 |
| 致谢 | 第83-84页 |
