| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第1章 绪论 | 第8-15页 |
| 1.1 课题背景及研究目的和意义 | 第8-9页 |
| 1.2 系统的组成与相关技术难点 | 第9-13页 |
| 1.2.1 虹膜采集系统的组成 | 第9-10页 |
| 1.2.2 系统的研究内容 | 第10-11页 |
| 1.2.3 系统相关技术研究的主流方法 | 第11-12页 |
| 1.2.4 系统研究实现的难点 | 第12-13页 |
| 1.3 研究现状分析 | 第13-14页 |
| 1.4 本文主要内容 | 第14-15页 |
| 第2章 人脸及人眼图像的预处理方法 | 第15-31页 |
| 2.1 引言 | 第15页 |
| 2.2 基于 Adaboost 的人脸检测方法 | 第15-24页 |
| 2.2.1 积分图像 | 第15-16页 |
| 2.2.2 Haar-like 特征的提取 | 第16-17页 |
| 2.2.3 Adaboost 算法训练分类器 | 第17-19页 |
| 2.2.4 Cascade 级联结构及人脸检测 | 第19-21页 |
| 2.2.5 LAC 弱分类器训练算法 | 第21-23页 |
| 2.2.6 推广至人眼检测 | 第23-24页 |
| 2.3 增强图像对比度 | 第24-28页 |
| 2.3.1 线性灰度变换 | 第24页 |
| 2.3.2 分段线性灰度变换 | 第24-25页 |
| 2.3.3 非线性灰度变换 | 第25页 |
| 2.3.4 直方图均衡化 | 第25-26页 |
| 2.3.5 可调节的对比度增强方法 | 第26-28页 |
| 2.4 人脸、人眼检测与图像对比度增强实验结果展示 | 第28-29页 |
| 2.5 本章小结 | 第29-31页 |
| 第3章 双目视觉定位 | 第31-51页 |
| 3.1 引言 | 第31页 |
| 3.2 图像的特征提取 | 第31-39页 |
| 3.2.1 常用提取方法简介 | 第31-38页 |
| 3.2.2 一种改进的 SUSAN 特征提取算法 | 第38-39页 |
| 3.3 图像匹配 | 第39-47页 |
| 3.3.1 基于灰度匹配的方法 | 第40-41页 |
| 3.3.2 基于特征的图像匹配方法 | 第41-45页 |
| 3.3.3 双目视觉匹配与基于 Hu 矩的模板匹配 | 第45-47页 |
| 3.4 位置信息计算与双目视觉部分整体的流程 | 第47-48页 |
| 3.4.1 位置信息计算 | 第47-48页 |
| 3.4.2 双目视觉部分整体的流程 | 第48页 |
| 3.5 双目视觉实验结果展示 | 第48-50页 |
| 3.6 本章小节 | 第50-51页 |
| 第4章 云台跟踪与虹膜图像提取 | 第51-67页 |
| 4.1 引言 | 第51页 |
| 4.2 云台的运动跟踪 | 第51-53页 |
| 4.3 多角度跟踪人脸 | 第53-57页 |
| 4.3.1 基于肤色和形状约束的 Condensation 算法 | 第53-57页 |
| 4.3.2 鲁棒性更强的人脸检测方法 | 第57页 |
| 4.4 长焦相机的自动变焦 | 第57-63页 |
| 4.4.1 爬山法变焦 | 第58页 |
| 4.4.2 改进的爬山法变焦 | 第58-59页 |
| 4.4.3 常用图片清晰度评价方法 | 第59-61页 |
| 4.4.4 基于Sobel边缘检测的多方向清晰度判定方法 | 第61-63页 |
| 4.5 长焦相机与粒子滤波实验结果 | 第63页 |
| 4.6 系统整体流程与框架搭建 | 第63-65页 |
| 4.7 本章小结 | 第65-67页 |
| 结论 | 第67-69页 |
| 参考文献 | 第69-75页 |
| 致谢 | 第75页 |
