人脸检测识别算法的设计及嵌入式平台实现
| 摘要 | 第1-4页 |
| Abstract | 第4-8页 |
| 第一章 绪论 | 第8-14页 |
| ·研究背景和意义 | 第8页 |
| ·人脸检测与识别技术及研究内容 | 第8-9页 |
| ·人脸检测与识别的研究现状 | 第9-10页 |
| ·国外研究现状和未来趋势 | 第9页 |
| ·国内研究现状和未来趋势 | 第9-10页 |
| ·脸识别系统的评价 | 第10-11页 |
| ·本文主要研究内容 | 第11页 |
| ·本文组织结构 | 第11-14页 |
| 第二章 图像采集与预处理算法设计 | 第14-20页 |
| ·人脸图像采集 | 第14-15页 |
| ·图像预处理增强算法 | 第15-16页 |
| ·灰度变化 | 第15页 |
| ·直方图均衡化 | 第15-16页 |
| ·人脸图像归一化 | 第16页 |
| ·图像预处理实现与性能分析 | 第16-18页 |
| ·本文采用的预处理方法 | 第16-18页 |
| ·本章小结 | 第18-20页 |
| 第三章 人脸检测技术和算法设计 | 第20-32页 |
| ·人脸检测算法概述 | 第20-22页 |
| ·基于肤色的人脸检测算法 | 第22页 |
| ·ViolaJones 人脸检测算法 | 第22-27页 |
| ·haar 特征 | 第23页 |
| ·积分图 | 第23-24页 |
| ·弱分类器的选择 | 第24-27页 |
| ·多分类级联结构 | 第27页 |
| ·人脸检测设计实现与性能对比 | 第27-31页 |
| ·人脸检测的性能评价 | 第29-31页 |
| ·本章小结 | 第31-32页 |
| 第四章 人脸特征提取算法设计 | 第32-42页 |
| ·人脸特征提取算法概述 | 第32-33页 |
| ·直观性特征 | 第32页 |
| ·灰度的统计特征 | 第32页 |
| ·变换系数特征 | 第32-33页 |
| ·代数特征 | 第33页 |
| ·基于主成分分析（PCA）的特征提取 | 第33-37页 |
| ·K-L 变换 | 第33-34页 |
| ·PCA 原理 | 第34-35页 |
| ·奇异值分解定理 | 第35-36页 |
| ·PCA 在人脸识别中的实现 | 第36-37页 |
| ·基于二维主成分分析（2DPCA）的特征提取 | 第37-40页 |
| ·2DPCA 的基本原理和理论 | 第37-39页 |
| ·2DPCA 的特征提取 | 第39页 |
| ·2DPCA 的分类 | 第39页 |
| ·2DPCA 的图像重构 | 第39-40页 |
| ·PCA 和 2DPCA 性能对比与分析 | 第40-41页 |
| ·本章小结 | 第41-42页 |
| 第五章 分类器设计与实现 | 第42-50页 |
| ·分类器设计概述 | 第42页 |
| ·SVM 的原理 | 第42-47页 |
| ·SVM 的实现和结果 | 第47-48页 |
| ·本章小结 | 第48-50页 |
| 第六章 人脸识别系统嵌入式平台实现 | 第50-69页 |
| ·嵌入式平台概述 | 第50-51页 |
| ·OpenCV 概述 | 第51-54页 |
| ·OpenCV 在 PC 端的安装 | 第51-52页 |
| ·OpenCV 在 Zynq 上的移植 | 第52-54页 |
| ·软件设计 | 第54-66页 |
| ·算法总体描述 | 第54页 |
| ·系统总体流程图 | 第54-55页 |
| ·人脸检测模块设计 | 第55-58页 |
| ·人脸识别模块 | 第58-61页 |
| ·人脸识别模块中支持向量机 | 第61-66页 |
| ·系统实现与测试 | 第66-68页 |
| ·测试图像 | 第66页 |
| ·人脸识别系统在嵌入式平台的运行过程 | 第66-67页 |
| ·人脸识别系统的性能 | 第67-68页 |
| ·本章小结 | 第68-69页 |
| 第七章 总结与展望 | 第69-72页 |
| 致谢 | 第72-74页 |
| 参考文献 | 第74-76页 |
| 研究生在读期间参与科研项目 | 第76-77页 |
