| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第12-22页 |
| 1.1 人脸识别技术 | 第12页 |
| 1.2 人脸性别识别的背景及研究意义 | 第12-13页 |
| 1.3 人脸性别识别研究现状 | 第13-19页 |
| 1.3.1 基于特征分析的研究 | 第13-14页 |
| 1.3.2 基于整体图像的研究 | 第14-17页 |
| 1.3.2.1 支持向量机算法 | 第14-15页 |
| 1.3.2.2 人工神经元网络算法 | 第15-16页 |
| 1.3.2.3 AdaBoost算法 | 第16页 |
| 1.3.2.4 线性判别分析(Linear Discrimant) | 第16-17页 |
| 1.3.2.5 其他方法 | 第17页 |
| 1.3.3 分类方法之间的比较 | 第17-19页 |
| 1.3.3.1 SVM优缺点 | 第17-18页 |
| 1.3.3.2 BP网络的优缺点 | 第18-19页 |
| 1.4 人脸图像库 | 第19-20页 |
| 1.5 本文主要工作 | 第20页 |
| 1.6 本文安排 | 第20-22页 |
| 第2章 图像预处理与特征提取 | 第22-30页 |
| 2.1 图像预处理 | 第22-26页 |
| 2.1.1 图像灰度化 | 第23-24页 |
| 2.1.2 图像归一化 | 第24-25页 |
| 2.1.3 图像均衡化 | 第25-26页 |
| 2.2 特征提取 | 第26-29页 |
| 2.2.1 概述 | 第26-27页 |
| 2.2.2 PCA的基本原理 | 第27-28页 |
| 2.2.3 PCA应用人脸性别识别的原理 | 第28-29页 |
| 2.3 本章小结 | 第29-30页 |
| 第3章 人脸性别识别分类器的设计 | 第30-42页 |
| 3.1 引言 | 第30页 |
| 3.2 BP网络 | 第30-34页 |
| 3.2.1 BP网络基本原理 | 第31-33页 |
| 3.2.1.1 输入模式顺传播 | 第32页 |
| 3.2.1.2 误差逆传播校正方法 | 第32-33页 |
| 3.2.1.3 循环记忆训练 | 第33页 |
| 3.2.1.4 学习结果的判别 | 第33页 |
| 3.2.2 BP网络结构设定 | 第33-34页 |
| 3.3 支持向量机 | 第34-40页 |
| 3.3.1 VC维 | 第34-35页 |
| 3.3.2 结构风险 | 第35-36页 |
| 3.3.3 线性分类器 | 第36-38页 |
| 3.3.4 非线性分类器 | 第38-39页 |
| 3.3.5 核函数 | 第39-40页 |
| 3.4 本章小结 | 第40-42页 |
| 第4章 算法实验结果及分析 | 第42-54页 |
| 4.1 BP网络分类器 | 第42-49页 |
| 4.1.1 主成分 | 第42-44页 |
| 4.1.2 BP网络结构设计 | 第44-47页 |
| 4.1.3 BP网络训练 | 第47-49页 |
| 4.2 支持向量机分类器 | 第49页 |
| 4.3 分类器的改进 | 第49-52页 |
| 4.4 本章小结 | 第52-54页 |
| 第5章 人脸性别识别算法的FPGA实现 | 第54-70页 |
| 5.1 FPGA概述 | 第54-55页 |
| 5.1.1 FPGA工作原理 | 第54页 |
| 5.1.2 FPGA结构 | 第54页 |
| 5.1.3 DE2开发平台 | 第54-55页 |
| 5.2 Nios Ⅱ软核 | 第55-58页 |
| 5.2.1 Nios Ⅱ软核特点 | 第55-57页 |
| 5.2.2 Nios Ⅱ集成开发环境 | 第57页 |
| 5.2.3 Nios Ⅱ软核处理器系统组成 | 第57-58页 |
| 5.3 系统硬件设计 | 第58-67页 |
| 5.3.1 系统硬件各功能模块设计 | 第58-61页 |
| 5.3.1.1 时钟功能模块 | 第58-59页 |
| 5.3.1.2 FLASH功能模块 | 第59页 |
| 5.3.1.3 SDRAM模块 | 第59-61页 |
| 5.3.1.4 Nios ⅡProcessor Core功能模块 | 第61页 |
| 5.3.2 Nios Ⅱ软核处理器系统配置 | 第61-62页 |
| 5.3.3 系统硬件电路的产生 | 第62-65页 |
| 5.3.4 C语言源文件的编辑、编译、调试 | 第65页 |
| 5.3.5 配置目标FPGA器件 | 第65-66页 |
| 5.3.6 系统运行结果 | 第66-67页 |
| 5.4 本章小结 | 第67-70页 |
| 第6章 总结与展望 | 第70-72页 |
| 6.1 本文主要工作 | 第70页 |
| 6.2 进一步的工作与展望 | 第70-72页 |
| 参考文献 | 第72-76页 |
| 致谢 | 第76页 |