基于HMM的人脸识别考勤系统的实现
| 摘要 | 第1-5页 |
| ABSTRACT | 第5-10页 |
| 第一章 绪论 | 第10-16页 |
| ·人脸识别技术研究背景及意义 | 第10页 |
| ·人脸识别技术的优点 | 第10-11页 |
| ·人脸识别技术发展历史及现状 | 第11-13页 |
| ·人脸识别存在的难点 | 第13-14页 |
| ·本论文的研究内容及组织结构 | 第14-16页 |
| 第二章 人脸检测 | 第16-31页 |
| ·人脸检测跟踪技术综述 | 第16页 |
| ·人脸检测的方法 | 第16-18页 |
| ·基于统计的人脸检测方法 | 第17-18页 |
| ·基于特征的人脸检测方法 | 第18页 |
| ·基于Adaboost算法的人脸检测 | 第18-30页 |
| ·矩形特征 | 第19-20页 |
| ·积分图 | 第20-21页 |
| ·Adaboost算法训练过程 | 第21-23页 |
| ·弱分类器训练过程 | 第21页 |
| ·构造强分类器 | 第21-22页 |
| ·构造级联分类器 | 第22-23页 |
| ·Adaboost算法改进 | 第23-25页 |
| ·实验结果与分析 | 第25-30页 |
| ·静态图片对比试验 | 第25-29页 |
| ·视频流中检测试验 | 第29-30页 |
| ·本章小结 | 第30-31页 |
| 第三章 人眼定位及人脸图像预处理 | 第31-48页 |
| ·人眼的检测和定位 | 第31-40页 |
| ·常用人眼定位算法 | 第31-32页 |
| ·眼睛粗定位 | 第32-33页 |
| ·瞳孔定位 | 第33-39页 |
| ·实验结果与分析 | 第39-40页 |
| ·人脸图像预处理 | 第40-47页 |
| ·姿态校正 | 第41-42页 |
| ·大小归一化 | 第42页 |
| ·高斯滤波 | 第42页 |
| ·直方图均衡化 | 第42-44页 |
| ·光线补偿 | 第44页 |
| ·均值与方差归一化进行光照补偿 | 第44-45页 |
| ·小波滤波进行光照补偿 | 第45-47页 |
| ·本章小结 | 第47-48页 |
| 第四章 基于HMM的人脸识别 | 第48-57页 |
| ·HMM基本原理介绍 | 第48-52页 |
| ·马尔科夫过程及马尔科夫链 | 第48页 |
| ·隐马尔科夫模型参数描述 | 第48-49页 |
| ·HMM三个主要问题及解决方案 | 第49-52页 |
| ·HMM模型在自动人脸识别中的应用 | 第52-56页 |
| ·一维HMM人脸模型建立 | 第52-53页 |
| ·一维HMM人脸特征提取 | 第53页 |
| ·E-HMM人脸模型建立 | 第53-55页 |
| ·人脸E-HMM模型训练及识别 | 第55-56页 |
| ·本章小结 | 第56-57页 |
| 第五章 人脸识别考勤系统的实现 | 第57-68页 |
| ·常用人脸数据库及人脸识别系统评价指标 | 第57-58页 |
| ·常用人脸数据库 | 第57-58页 |
| ·人脸识别系统评价指标 | 第58页 |
| ·系统开发环境 | 第58-60页 |
| ·系统开发硬件环境 | 第58-59页 |
| ·系统开发软件环境和平台 | 第59页 |
| ·系统硬件结构 | 第59页 |
| ·系统指标要求 | 第59-60页 |
| ·系统实现 | 第60-63页 |
| ·界面设计 | 第60-61页 |
| ·人脸数据库设计 | 第61-62页 |
| ·人脸检测模块设计 | 第62-63页 |
| ·人脸识别模块设计 | 第63页 |
| ·人脸识别实验结果 | 第63-66页 |
| ·系统达到的指标及原因分析 | 第66-67页 |
| ·本章小结 | 第67-68页 |
| 第六章 总结与展望 | 第68-70页 |
| ·工作总结 | 第68页 |
| ·下一步工作展望 | 第68-70页 |
| 致谢 | 第70-71页 |
| 参考文献 | 第71-73页 |
| 攻硕期间取得的研究成果 | 第73页 |
