基于iOS平台的人脸检测与识别研究
| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第10-16页 |
| 1.1 论文研究背景及意义 | 第10-11页 |
| 1.1.1 人脸识别技术的研究意义 | 第10-11页 |
| 1.1.2 人脸识别在移动终端应用的意义 | 第11页 |
| 1.2 国内外研究现状 | 第11-15页 |
| 1.2.1 人脸检测的研究现状 | 第11-13页 |
| 1.2.2 人脸识别的研究现状 | 第13-15页 |
| 1.3 论文的主要内容及章节安排 | 第15-16页 |
| 1.3.1 主要内容 | 第15页 |
| 1.3.2 研究目标 | 第15页 |
| 1.3.3 章节安排 | 第15-16页 |
| 第2章 iOS平台及相关技术概述 | 第16-22页 |
| 2.1 开发语言、环境及工具概述 | 第16-18页 |
| 2.1.1 Objective-C语言特点 | 第16-17页 |
| 2.1.2 Xcode | 第17-18页 |
| 2.2 iOS系统架构概述 | 第18-20页 |
| 2.3 MVC设计模式 | 第20-21页 |
| 2.4 本章小结 | 第21-22页 |
| 第3章 人脸检测与识别 | 第22-38页 |
| 3.1 人脸检测与识别原理 | 第22页 |
| 3.2 Haar-like特征和积分图 | 第22-26页 |
| 3.2.1 Haar-like特征 | 第22-24页 |
| 3.2.2 积分图 | 第24-26页 |
| 3.3 Adaboost算法和级联分类器 | 第26-28页 |
| 3.3.1 Boosting算法 | 第26-27页 |
| 3.3.2 Adaboost算法的提出 | 第27-28页 |
| 3.3.3 级联分类器 | 第28页 |
| 3.4 基于PCA的人脸识别 | 第28-32页 |
| 3.4.1 PCA原理 | 第28-29页 |
| 3.4.2 K-L变换 | 第29页 |
| 3.4.3 利用PCA算法进行人脸识别的过程 | 第29-32页 |
| 3.5 基于LDA的人脸识别 | 第32-36页 |
| 3.5.1 LDA算法的提出 | 第32页 |
| 3.5.2 Fisher判别准则 | 第32-35页 |
| 3.5.3 经典的Fisher线性判别分析法 | 第35-36页 |
| 3.6 PCA和LDA融合的算法 | 第36-37页 |
| 3.7 本章小结 | 第37-38页 |
| 第4章 系统设计与实现 | 第38-50页 |
| 4.1 开发环境 | 第38-40页 |
| 4.1.1 软件和硬件环境 | 第38页 |
| 4.1.2 OpenCV | 第38-39页 |
| 4.1.3 OpenCV在iOS平台上的应用 | 第39-40页 |
| 4.2 系统设计及实现 | 第40-48页 |
| 4.2.1 系统主界面设计 | 第40-42页 |
| 4.2.2 图像预处理 | 第42-43页 |
| 4.2.3 基于Corelmage的人脸检测 | 第43-44页 |
| 4.2.4 基于Haar-like特征的人脸检测 | 第44-45页 |
| 4.2.5 人脸检测裁剪 | 第45-46页 |
| 4.2.6 人脸识别 | 第46-48页 |
| 4.3 系统运行效果 | 第48-49页 |
| 4.3.1 人脸检测程序运行效果 | 第48页 |
| 4.3.2 人脸识别程序运行效果 | 第48-49页 |
| 4.4 本章小结 | 第49-50页 |
| 第5章 实验分析 | 第50-59页 |
| 5.1 实验数据库 | 第50-52页 |
| 5.1.1 自建人脸库 | 第50页 |
| 5.1.2 FERET人脸数据库 | 第50-51页 |
| 5.1.3 ORL人脸数据库 | 第51-52页 |
| 5.2 人脸检测实验及分析 | 第52-54页 |
| 5.3 人脸识别实验及分析 | 第54-58页 |
| 5.4 本章小结 | 第58-59页 |
| 第6章 总结与展望 | 第59-61页 |
| 6.1 总结 | 第59-60页 |
| 6.2 展望 | 第60-61页 |
| 参考文献 | 第61-65页 |
| 致谢 | 第65页 |
