| 摘要 | 第4-6页 |
| ABSTRACT | 第6-7页 |
| 1 绪论 | 第11-19页 |
| 1.1 研究背景与意义 | 第11-13页 |
| 1.2 人脸识别研究内容及其研究现状 | 第13-17页 |
| 1.2.1 人脸检测技术 | 第13-15页 |
| 1.2.2 人脸特征提取技术 | 第15-16页 |
| 1.2.3 人脸识别技术 | 第16-17页 |
| 1.3 本文主要内容以及论文结构 | 第17-19页 |
| 2 基于Haar-Adaboost的人脸检测 | 第19-27页 |
| 2.1 人脸检测研究概述 | 第19页 |
| 2.2 Haar-Adaboost人脸检测 | 第19-26页 |
| 2.2.1 Haar-like特征 | 第20-22页 |
| 2.2.2 积分图 | 第22-24页 |
| 2.2.3 级联分类器 | 第24-26页 |
| 2.3 小结 | 第26-27页 |
| 3 基于改进局部二元模式的人脸识别 | 第27-39页 |
| 3.1 人脸识别研究概述 | 第27-28页 |
| 3.2 特征提取-LBP特征 | 第28-32页 |
| 3.2.1 原始LBP特征 | 第28-30页 |
| 3.2.2 多尺度LBP特征 | 第30页 |
| 3.2.3 旋转不变LBP特征 | 第30-31页 |
| 3.2.4 等价模式LBP | 第31-32页 |
| 3.3 基于权重选择的LBP特征 | 第32-33页 |
| 3.4 分类器的设计-SVM分类器 | 第33-38页 |
| 3.5 小结 | 第38-39页 |
| 4 基于ANDROID系统的人脸识别部队点名应用系统的实现 | 第39-53页 |
| 4.1 部队点名系统设计背景 | 第39页 |
| 4.2 开发环境介绍 | 第39-41页 |
| 4.2.1 Android Studio | 第39-40页 |
| 4.2.2 OpenCV | 第40-41页 |
| 4.3 系统设计流程 | 第41-42页 |
| 4.4 部队人脸数据库收集 | 第42-44页 |
| 4.5 主要模块实现 | 第44-52页 |
| 4.5.1 视频采集模块 | 第44-45页 |
| 4.5.2 人脸检测模块 | 第45-46页 |
| 4.5.3 人脸预处理模块 | 第46-48页 |
| 4.5.4 特征提取模块 | 第48-49页 |
| 4.5.5 显示模块 | 第49-52页 |
| 4.6 小结 | 第52-53页 |
| 5 实验结果与分析 | 第53-68页 |
| 5.1 人脸检测结果与分析 | 第53-56页 |
| 5.1.1 人脸检测准确率 | 第53-55页 |
| 5.1.2 人脸检测时间 | 第55-56页 |
| 5.2 人脸识别结果和分析 | 第56-66页 |
| 5.2.1 实验设置 | 第56-57页 |
| 5.2.2 实验结果与分析 | 第57-63页 |
| 5.2.3 实验结果展示 | 第63-65页 |
| 5.2.4 人脸识别时间 | 第65-66页 |
| 5.3 小结 | 第66-68页 |
| 6 总结与展望 | 第68-70页 |
| 6.1 总结 | 第68-69页 |
| 6.2 展望 | 第69-70页 |
| 参考文献 | 第70-75页 |
| 附录 攻读硕士学位期间科研成果以及参加的科研课题 | 第75-76页 |
| 致谢 | 第76页 |