| 摘要 | 第4-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第10-17页 |
| 1.1 研究背景和意义 | 第10-12页 |
| 1.1.1 研究背景 | 第10-11页 |
| 1.1.2 研究意义 | 第11-12页 |
| 1.2 国内外研究现状 | 第12-15页 |
| 1.2.1 人脸检测研究现状 | 第12-13页 |
| 1.2.2 人脸识别研究现状 | 第13-15页 |
| 1.3 本文的主要研究内容与结构安排 | 第15-16页 |
| 1.3.1 本文主要内容 | 第15-16页 |
| 1.3.2 本文结构安排 | 第16页 |
| 1.4 本章小结 | 第16-17页 |
| 第二章 视频传输与预处理 | 第17-30页 |
| 2.1 视频传输 | 第17-20页 |
| 2.1.1 iOS平台介绍 | 第17-18页 |
| 2.1.2 视频传输介绍 | 第18-20页 |
| 2.2 视频去噪 | 第20-24页 |
| 2.2.1 灰度形态学基本原理 | 第20-21页 |
| 2.2.2 实现去噪 | 第21-24页 |
| 2.3 直方图均衡化 | 第24-26页 |
| 2.4 白平衡 | 第26-29页 |
| 2.4.1 灰度世界算法 | 第26-27页 |
| 2.4.2 完美反射算法 | 第27-28页 |
| 2.4.3 实验结果 | 第28-29页 |
| 2.5 本章小结 | 第29-30页 |
| 第三章 基于Adaboost改进算法的人脸检测 | 第30-47页 |
| 3.1 Adaboost原始算法 | 第30-31页 |
| 3.2 Adaboost人脸检测算法 | 第31-42页 |
| 3.2.1 矩形特征 | 第32-34页 |
| 3.2.2 积分图(Integral Image) | 第34-36页 |
| 3.2.3 分类器介绍 | 第36-37页 |
| 3.2.4 分类器级联 | 第37-39页 |
| 3.2.5 分类器训练 | 第39-41页 |
| 3.2.6 人脸检测算法流程 | 第41-42页 |
| 3.3 人脸检测算法的改进 | 第42-45页 |
| 3.3.1 基于Adaboost权值更新的改进 | 第42-44页 |
| 3.3.2 基于Adaboost子窗口查询顺序的改进 | 第44页 |
| 3.3.3 人脸检测系统的改进 | 第44-45页 |
| 3.4 实验结果与分析 | 第45-46页 |
| 3.5 本章小结 | 第46-47页 |
| 第四章 基于改进LBP算法的人脸识别 | 第47-60页 |
| 4.1 Gabor变换 | 第47-50页 |
| 4.1.1 二维卷积计算原理 | 第48页 |
| 4.1.2 Gabor变换原理 | 第48-50页 |
| 4.2 LBP算法 | 第50-54页 |
| 4.2.1 经典LBP算子 | 第50-51页 |
| 4.2.2 改进LBP算子 | 第51-54页 |
| 4.3 Fisherface | 第54-55页 |
| 4.4 人脸识别 | 第55-57页 |
| 4.5 实验结果与分析 | 第57-59页 |
| 4.6 本章小结 | 第59-60页 |
| 第五章 总结与展望 | 第60-62页 |
| 5.1 总结 | 第60页 |
| 5.2 展望 | 第60-62页 |
| 参考文献 | 第62-65页 |
| 致谢 | 第65-66页 |
| 攻读学位期间的研究成果 | 第66页 |