基于AdaBoost算法的智能考勤系统研究和实现
| 摘要 | 第10-11页 |
| ABSTRACT | 第11-12页 |
| 第一章 绪论 | 第13-18页 |
| 1.1 研究的背景与意义 | 第13-14页 |
| 1.2 考勤系统概述 | 第14-15页 |
| 1.3 人脸检测与识别研究现状 | 第15-16页 |
| 1.3.1 人脸检测国内外研究现状 | 第15-16页 |
| 1.3.2 人脸识别国内外研究现状 | 第16页 |
| 1.4 论文内容安排 | 第16-18页 |
| 第二章 智能考勤系统关键技术 | 第18-24页 |
| 2.1 智能考勤系统构成 | 第18-19页 |
| 2.2 人脸检测技术 | 第19-21页 |
| 2.2.1 基于人脸特征的方法 | 第20页 |
| 2.2.2 基于人脸模板匹配的方法 | 第20-21页 |
| 2.2.3 基于统计学习的方法 | 第21页 |
| 2.3 人脸识别技术 | 第21-23页 |
| 2.4 本章小结 | 第23-24页 |
| 第三章 基于AdaBoost算法的人脸检测算法 | 第24-46页 |
| 3.1 AdaBoost算法的提出及发展 | 第24-26页 |
| 3.2 类Haar特征和积分图 | 第26-31页 |
| 3.2.1 类Haar特征的定义 | 第26-29页 |
| 3.2.2 积分图法计算特征值 | 第29-31页 |
| 3.3 分类器的设计 | 第31-35页 |
| 3.3.1 弱分类器 | 第31-34页 |
| 3.3.2 强分类器 | 第34-35页 |
| 3.4 级联分类器设计 | 第35-39页 |
| 3.4.1 级联分类器的结构 | 第35-37页 |
| 3.4.2 级联分类器的训练算法 | 第37-38页 |
| 3.4.3 级联分类器的系统参数 | 第38-39页 |
| 3.5 改进的AdaBoost算法 | 第39-41页 |
| 3.5.1 基于权值更新的改进算法 | 第39-40页 |
| 3.5.2 基于分类器相关性的改进算法 | 第40-41页 |
| 3.5.3 基于非对称学习模型的改进算法 | 第41页 |
| 3.6 实验结果及分析 | 第41-44页 |
| 3.7 本章小结 | 第44-46页 |
| 第四章 智能考勤系统设计与实现 | 第46-73页 |
| 4.1 算法选择 | 第46-47页 |
| 4.2 智能考勤系统分析 | 第47-50页 |
| 4.2.1 系统开发环境 | 第47页 |
| 4.2.2 系统功能性分析 | 第47-49页 |
| 4.2.3 系统非功能性分析 | 第49页 |
| 4.2.4 系统可行性分析 | 第49-50页 |
| 4.3 智能考勤系统实现 | 第50-68页 |
| 4.3.1 OpenCV函数库 | 第50-53页 |
| 4.3.2 基于MFC/C++的程序设计 | 第53-56页 |
| 4.3.3 系统各模块的实现 | 第56-66页 |
| 4.3.4 系统总体实现 | 第66-68页 |
| 4.4 系统运行界面 | 第68-72页 |
| 4.4.1 人脸识别考勤系统登录界面 | 第68-69页 |
| 4.4.2 人脸识别考勤系统考勤界面 | 第69页 |
| 4.4.3 系统测试 | 第69-72页 |
| 4.5 本章小结 | 第72-73页 |
| 第五章 总结与展望 | 第73-75页 |
| 5.1 总结 | 第73-74页 |
| 5.2 展望 | 第74-75页 |
| 参考文献 | 第75-80页 |
| 致谢 | 第80-81页 |
| 攻读学位期间的研究成果 | 第81-82页 |
| 附件 | 第82页 |
