| 摘要 | 第2-3页 |
| Abstract | 第3页 |
| 目录 | 第4-7页 |
| 第1章 绪论 | 第7-14页 |
| 1.1 课题的提出以及研究的意义 | 第7-8页 |
| 1.2 人脸识别门禁考勤系统的国内外研究进展 | 第8-12页 |
| 1.2.1 门禁考勤系统发展及其研究现状 | 第8-9页 |
| 1.2.2 人脸识别发展和研究现状 | 第9-12页 |
| 1.3 论文的研究内容 | 第12-13页 |
| 1.4 论文的组织结构 | 第13-14页 |
| 第2章 系统开发环境介绍 | 第14-39页 |
| 2.1 引言 | 第14-15页 |
| 2.2 硬件环境（基于 TQ2440 平台的组成） | 第15-22页 |
| 2.2.1 关于 ARM S3C2440 及外围设备 | 第15-17页 |
| 2.2.2 TQ2440 目标板结构及其一些说明 | 第17-21页 |
| 2.2.3 摄像头模组 OV9650 介绍 | 第21-22页 |
| 2.3 软件环境 | 第22-25页 |
| 2.3.1 windows CE 操作系统介绍 | 第22-23页 |
| 2.3.2 Palm OS 操作系统介绍 | 第23-24页 |
| 2.3.3 Linux 操作系统介绍 | 第24页 |
| 2.3.4 Windows CE 与 Linux OS 的比较 | 第24页 |
| 2.3.5 Windows CE 与 Palm OS 的比较 | 第24页 |
| 2.3.6 Visual C++环境介绍 | 第24-25页 |
| 2.4 系统环境的搭建 | 第25-39页 |
| 2.4.1 Windows CE5.0 系统内核制定 | 第26-31页 |
| 2.4.2 WinCE5.0 内核下载 | 第31-34页 |
| 2.4.3 WinCE5.0 设备驱动开发 | 第34-39页 |
| 第3章 人脸检测定位 | 第39-46页 |
| 3.1 图像预处理 | 第39-40页 |
| 3.2 adaboost 原理及其实现 | 第40-46页 |
| 3.2.1 Adaboost 算法的原理 | 第41页 |
| 3.2.2 Adaboost 分类训练算法 | 第41-42页 |
| 3.2.3 Adaboost 算法人脸检测算法在 VS 2008 平台上的实现 | 第42-44页 |
| 3.2.4 程序运行结果 | 第44-46页 |
| 第4章 改进的分块 2DPCA 人脸识别算法 | 第46-54页 |
| 4.1 引言 | 第46-47页 |
| 4.2 模块 2D-PCA 算法 | 第47-48页 |
| 4.3 优化的模块 2DPCA 算法 | 第48-51页 |
| 4.3.1 关于样本中间值介绍 | 第48-49页 |
| 4.3.2 融入类内中间值的 Modular2DPCA 算法步骤 | 第49-51页 |
| 4.4 实验结果与分析 | 第51-53页 |
| 4.4.1 ORL 人脸库 | 第51-52页 |
| 4.4.2 实验 1 | 第52页 |
| 4.4.3 实验 2 | 第52-53页 |
| 4.6 结束语 | 第53-54页 |
| 第5章 基于 VS 2008 平台的门禁考勤系统 | 第54-68页 |
| 5.1 各个子系统的分析 | 第54-61页 |
| 5.1.1 系统管理员界面系统 | 第54-58页 |
| 5.1.2 系统普通用户界面系统 | 第58-61页 |
| 5.2 门禁考勤系统的实现过程 | 第61-67页 |
| 5.2.1 新建一个基于 TQ2440 的工程 | 第61-63页 |
| 5.2.2 相关的图形界面 | 第63-67页 |
| 5.3 小结 | 第67-68页 |
| 第6章 总结与展望 | 第68-69页 |
| 参考文献 | 第69-73页 |
| 致谢 | 第73-75页 |
| 附录 A Camera.h 文件代码 | 第75-79页 |
| 附录 B 摄像头程序 | 第79-81页 |
| 附录 C 图像预处理 | 第81-83页 |
| 附录 D 人脸检测（部分代码） | 第83-85页 |
| 附录 E 人脸识别（部分代码） | 第85-89页 |
| 个人简历、在学期间发表的学术论文与研究成果 | 第89页 |
| 个人简历 | 第89页 |
| 在学期间发表的学术论文与研究成果 | 第89页 |
