| 摘要 | 第4-5页 |
| ABSTRACT | 第5页 |
| 专用术语注释表 | 第8-9页 |
| 第一章 绪论 | 第9-13页 |
| 1.1 引言 | 第9页 |
| 1.2 国内外研究概况和发展趋势 | 第9-10页 |
| 1.3 智能视频监控在物联网中的发展 | 第10-11页 |
| 1.4 本文的研究内容及组织结构 | 第11-13页 |
| 第二章 图像预处理技术及分析 | 第13-25页 |
| 2.1 彩色图像转化为灰度图像 | 第13-14页 |
| 2.2 图像噪声的消减 | 第14-20页 |
| 2.2.1 中值滤波 | 第14-16页 |
| 2.2.2 均值滤波 | 第16-17页 |
| 2.2.3 高斯滤波 | 第17-18页 |
| 2.2.4 低通滤波 | 第18-20页 |
| 2.3 图像形态学滤波 | 第20-22页 |
| 2.3.1 膨胀与腐蚀 | 第20-21页 |
| 2.3.2 开运算与闭运算 | 第21-22页 |
| 2.4 图像直方图均衡 | 第22-24页 |
| 2.5 本章小结 | 第24-25页 |
| 第三章 基于 AdaBoost 算法的人脸检测级联分类器 | 第25-34页 |
| 3.1 人脸检测方法概述 | 第25-26页 |
| 3.2 矩形特征和积分图 | 第26-29页 |
| 3.2.1 矩形特征 | 第26-27页 |
| 3.2.2 积分图 | 第27-29页 |
| 3.3 AdaBoost 算法 | 第29-31页 |
| 3.3.1 算法原理 | 第29-30页 |
| 3.3.2 弱分类器的训练 | 第30页 |
| 3.3.3 强分类器的训练 | 第30-31页 |
| 3.4 级联分类检测器 | 第31-33页 |
| 3.5 实验结果分析 | 第33页 |
| 3.6 本章小结 | 第33-34页 |
| 第四章 智能安防监控中人脸识别方案的设计与实现 | 第34-46页 |
| 4.1 人脸识别方法概述 | 第34-35页 |
| 4.2 基于 PCA 特征提取的 Eigenface 人脸识别算法 | 第35-40页 |
| 4.2.1 K-L 变换原理 | 第35-37页 |
| 4.2.2 PCA 识别人脸的原理 | 第37-38页 |
| 4.2.3 Eigenface实现人脸识别的原理和步骤 | 第38-40页 |
| 4.3 EigenFace 和 FisherFace 两种人脸识别算法性能比较 | 第40-42页 |
| 4.4 运用分布式处理提高人脸识别速度 | 第42-45页 |
| 4.4.1 Hadoop 概述 | 第43页 |
| 4.4.2 HDFS 分布式文件系统 | 第43-44页 |
| 4.4.3 MapReduce 编程模式 | 第44页 |
| 4.4.4 运用 Hadoop 分布式处理提高人脸识别速度 | 第44-45页 |
| 4.5 本章小结 | 第45-46页 |
| 第五章 智能安防监控系统的设计与实现 | 第46-61页 |
| 5.1 EmguCV 简介及其安装配置 | 第46-47页 |
| 5.2 系统的硬件组成 | 第47-48页 |
| 5.3 系统的软件设计 | 第48-60页 |
| 5.3.1 网络摄像头的调用 | 第49-50页 |
| 5.3.2 人脸检测和存储模块 | 第50-56页 |
| 5.3.3 人脸识别模块 | 第56-58页 |
| 5.3.4 无线报警模块 | 第58-60页 |
| 5.4 智能安防监控实验结果和分析 | 第60页 |
| 5.5 本章小节 | 第60-61页 |
| 第六章 总结与展望 | 第61-63页 |
| 6.1 全文工作总结 | 第61页 |
| 6.2 本文创新点 | 第61-62页 |
| 6.3 未来工作展望 | 第62-63页 |
| 参考文献 | 第63-65页 |
| 附录1 程序清单 | 第65-66页 |
| 附录2 攻读硕士学位期间撰写的论文 | 第66-67页 |
| 附录3 攻读硕士学位期间申请的专利 | 第67-68页 |
| 附录4 攻读硕士学位期间参加的科研项目 | 第68-69页 |
| 致谢 | 第69页 |
