| 摘要 | 第3-4页 |
| Abstract | 第4-5页 |
| 第一章 绪论 | 第8-14页 |
| 1.1 课题研究的背景及意义 | 第8-9页 |
| 1.2 嵌入式人脸识别技术综述 | 第9-12页 |
| 1.2.1 人脸识别技术简介 | 第9-10页 |
| 1.2.2 嵌入式简介 | 第10-11页 |
| 1.2.3 基于嵌入式的人脸识别简介 | 第11-12页 |
| 1.3 论文的主要研究内容和章节安排 | 第12-14页 |
| 第二章 嵌入式人脸识别平台的搭建 | 第14-21页 |
| 2.1 引言 | 第14页 |
| 2.2 硬件平台的介绍 | 第14-17页 |
| 2.2.1 树莓派开发板简介 | 第14-16页 |
| 2.2.2 摄像头的选择 | 第16-17页 |
| 2.3 基于Linux的嵌入式操作系统的选择与安装 | 第17-19页 |
| 2.3.1 基于Linux的嵌入式操作系统的介绍与选择 | 第17-18页 |
| 2.3.2 操作系统的安装 | 第18-19页 |
| 2.4 相关应用程序的介绍与交叉编译 | 第19-20页 |
| 2.5 本章小结 | 第20-21页 |
| 第三章 图像预处理与运动检测 | 第21-36页 |
| 3.1 系统总体设计流程 | 第21-22页 |
| 3.2 图像获取与格式转换 | 第22-23页 |
| 3.2.1 CSI摄像头的使能 | 第22页 |
| 3.2.2 图像格式的转换 | 第22-23页 |
| 3.3 人脸图像预处理 | 第23-31页 |
| 3.3.1 图像的数字表示与原点检查 | 第24-25页 |
| 3.3.2 坐标变换 | 第25-26页 |
| 3.3.3 校正几何失真 | 第26-29页 |
| 3.3.4 直方图均衡化 | 第29-31页 |
| 3.4 运动检测 | 第31-34页 |
| 3.4.1 运动检测方法的选择 | 第31页 |
| 3.4.2 差分图像法的基本原理 | 第31-33页 |
| 3.4.3 基于差分图像法的运动检测的实现 | 第33-34页 |
| 3.5 本章小结 | 第34-36页 |
| 第四章 人脸检测的设计与实现 | 第36-48页 |
| 4.1 人脸检测方法的选择 | 第36页 |
| 4.2 Haar特征及积分图像 | 第36-39页 |
| 4.2.1 Haar特征介绍 | 第36-39页 |
| 4.2.2 计算Haar型特征的积分图像 | 第39页 |
| 4.3 AdaBoost算法的基本原理 | 第39-41页 |
| 4.4 基于Haar+AdaBoost算法的人脸检测 | 第41-45页 |
| 4.4.1 Haar+AdaBoost算法的检测原理 | 第41-42页 |
| 4.4.2 利用OpenCV实现基于Haar+AdaBoost算法的人脸检测 | 第42-45页 |
| 4.5 人脸检测实验结果 | 第45-47页 |
| 4.6 本章小结 | 第47-48页 |
| 第五章 人脸识别的设计与实现 | 第48-67页 |
| 5.1 引言 | 第48-49页 |
| 5.2 人脸特征提取方法的对比与选择 | 第49-56页 |
| 5.2.1 人脸图像的特征提取 | 第49-50页 |
| 5.2.2 主要的人脸特征提取方法的介绍 | 第50-52页 |
| 5.2.3 人脸特征提取方法的比较与选择 | 第52-56页 |
| 5.3 基于PCA方法的人脸特征提取 | 第56-62页 |
| 5.3.1 PCA特征提取的基本原理 | 第56-60页 |
| 5.3.2 基于PCA方法的人脸特征提取 | 第60-62页 |
| 5.4 基于最近邻分类器的人脸识别 | 第62-65页 |
| 5.4.1 主要分类器的介绍与选择 | 第62页 |
| 5.4.2 最近邻法的基本原理 | 第62-64页 |
| 5.4.3 基于最近邻分类器的人脸识别 | 第64-65页 |
| 5.5 系统测试结果与分析 | 第65页 |
| 5.6 本章小结 | 第65-67页 |
| 总结与展望 | 第67-68页 |
| 参考文献 | 第68-72页 |
| 致谢 | 第72-73页 |
| 个人简历 | 第73页 |
