| 摘要 | 第3-4页 |
| Abstract | 第4页 |
| 第1章 绪论 | 第7-14页 |
| 1.1 研究背景及意义 | 第7-8页 |
| 1.2 国内外研究现状 | 第8-12页 |
| 1.2.1 身份验证系统研究现状 | 第8页 |
| 1.2.2 小样本人脸识别研究现状 | 第8-12页 |
| 1.3 课题研究内容 | 第12-13页 |
| 1.4 论文结构安排 | 第13-14页 |
| 第2章 考生身份验证系统设计 | 第14-19页 |
| 2.1 系统总体需求分析 | 第14页 |
| 2.2 系统功能分析 | 第14-15页 |
| 2.3 系统总体设计方案 | 第15-17页 |
| 2.3.1 系统总体方案 | 第15-16页 |
| 2.3.2 系统总体流程 | 第16-17页 |
| 2.4 相关技术介绍 | 第17-18页 |
| 2.5 本章小结 | 第18-19页 |
| 第3章 图像预处理及人脸检测 | 第19-30页 |
| 3.1 图像预处理 | 第19-22页 |
| 3.1.1 灰度变换 | 第19页 |
| 3.1.2 滤波处理 | 第19-21页 |
| 3.1.3 尺度变换 | 第21-22页 |
| 3.2 基于Violia-Jones算法的人脸检测 | 第22-27页 |
| 3.2.1 Haar-Like特征 | 第22-23页 |
| 3.2.2 积分图 | 第23-25页 |
| 3.2.3 分类器 | 第25-27页 |
| 3.3 实验结果与分析 | 第27-29页 |
| 3.4 本章小结 | 第29-30页 |
| 第4章 人脸的稀疏表示 | 第30-38页 |
| 4.1 稀疏表示模型 | 第30-31页 |
| 4.2 稀疏表示求解方法 | 第31-35页 |
| 4.2.1 贪婪算法 | 第32-34页 |
| 4.2.3 基追踪算法 | 第34-35页 |
| 4.3 字典构造方法 | 第35-36页 |
| 4.3.1 最优方向法 | 第35-36页 |
| 4.3.2 K-SVD法 | 第36页 |
| 4.4 本章小结 | 第36-38页 |
| 第5章 单样本人脸识别 | 第38-55页 |
| 5.1 问题描述 | 第38页 |
| 5.2 稀疏变化字典学习 | 第38-43页 |
| 5.2.1 人脸图像表示 | 第39-40页 |
| 5.2.2 稀疏变化字典学习模型 | 第40-41页 |
| 5.2.3 模型优化算法 | 第41-43页 |
| 5.3 基于特征的稀疏变化字典学习算法 | 第43-49页 |
| 5.3.1 特征描述 | 第43-48页 |
| 5.3.2 改进算法 | 第48-49页 |
| 5.4 人脸数据库 | 第49-50页 |
| 5.5 实验结果与分析 | 第50-54页 |
| 5.6 本章小结 | 第54-55页 |
| 第6章 考生身份验证系统实现 | 第55-63页 |
| 6.1 软硬件设备 | 第55-56页 |
| 6.1.1 硬件设备 | 第55-56页 |
| 6.1.2 软件平台 | 第56页 |
| 6.2 信息管理模块的实现 | 第56-57页 |
| 6.3 数据传输模块的实现 | 第57-58页 |
| 6.4 身份验证模块的实现 | 第58-60页 |
| 6.4.1 图像预处理 | 第58-59页 |
| 6.4.2 人脸检测 | 第59页 |
| 6.4.3 人脸识别 | 第59-60页 |
| 6.5 身份验证系统实验 | 第60-62页 |
| 6.6 本章小结 | 第62-63页 |
| 第7章 总结与展望 | 第63-65页 |
| 7.1 总结 | 第63-64页 |
| 7.2 展望 | 第64-65页 |
| 致谢 | 第65-66页 |
| 参考文献 | 第66-70页 |
| 附录1 调用Matlab引擎代码 | 第70-71页 |
| 附录2 串口读取函数 | 第71-72页 |
| 攻读硕士学位期间发表的论文及科研成果 | 第72页 |