| 中文摘要 | 第3-4页 |
| Abstract | 第4-5页 |
| 第1章 绪论 | 第9-16页 |
| 1.1 课题研究的背景和意义 | 第9-12页 |
| 1.2 国内外研究现状 | 第12-15页 |
| 1.3 本论文的主要内容和结构安排 | 第15-16页 |
| 第2章 人脸识别技术的相关理论 | 第16-25页 |
| 2.1 图像采集 | 第16页 |
| 2.2 图像预处理 | 第16-19页 |
| 2.2.1 几何归一化 | 第16-17页 |
| 2.2.2 图像灰度化 | 第17-18页 |
| 2.2.3 直方图均衡化 | 第18页 |
| 2.2.4 中值滤波 | 第18-19页 |
| 2.3 人脸检测 | 第19-21页 |
| 2.3.1 基于先验知识的方法 | 第20页 |
| 2.3.2 基于特征的方法 | 第20页 |
| 2.3.3 基于模板匹配的方法 | 第20-21页 |
| 2.3.4 基于统计的方法 | 第21页 |
| 2.4 人脸识别 | 第21-24页 |
| 2.4.1 基于特征的方法 | 第21-23页 |
| 2.4.2 基于隐马尔科夫模型的方法 | 第23页 |
| 2.4.3 基于神经网络的方法 | 第23-24页 |
| 2.5 本章小结 | 第24-25页 |
| 第3章 系统平台的搭建 | 第25-33页 |
| 3.1 系统总体方案的设计 | 第25-26页 |
| 3.2 硬件平台的构建 | 第26页 |
| 3.2.1 TQ2440开发板 | 第26页 |
| 3.2.2 摄像头 | 第26页 |
| 3.3 软件平台的构建 | 第26-32页 |
| 3.3.1 开发环境的搭建 | 第26-28页 |
| 3.3.2 操作系统的定制和移植 | 第28-32页 |
| 3.4 本章小结 | 第32-33页 |
| 第4章 系统算法的选取 | 第33-48页 |
| 4.1 基于改进的直方图均衡化的图像预处理 | 第33-36页 |
| 4.2 基于Haar特征的Ada Boost算法的人脸检测 | 第36-43页 |
| 4.2.1 Haar-like特征和积分图像 | 第37-39页 |
| 4.2.2 Ada Boost算法 | 第39-40页 |
| 4.2.3 级联分类器 | 第40-43页 |
| 4.3 基于改进的PCA算法的人脸识别 | 第43-46页 |
| 4.3.1 PCA算法的原理 | 第43-44页 |
| 4.3.2 人脸图像的训练和识别 | 第44-46页 |
| 4.4 本章小结 | 第46-48页 |
| 第5章 基于ARM的人脸识别智能门禁系统的实现 | 第48-64页 |
| 5.1 图像采集模块 | 第48-49页 |
| 5.2 用户界面模块 | 第49-54页 |
| 5.3 图像预处理模块 | 第54页 |
| 5.4 人脸检测模块 | 第54-57页 |
| 5.5 人脸识别模块 | 第57-60页 |
| 5.6 实验结果 | 第60-63页 |
| 5.7 本章小结 | 第63-64页 |
| 结论 | 第64-66页 |
| 参考文献 | 第66-73页 |
| 致谢 | 第73-74页 |
| 攻读硕士学位期间发表的学术论文 | 第74页 |