| 摘要 | 第4-5页 |
| abstract | 第5-6页 |
| 1 绪论 | 第10-18页 |
| 1.1 课题研究背景及意义 | 第10-15页 |
| 1.2 国内外研究现状 | 第15-16页 |
| 1.3 本论文的主要内容与结构安排 | 第16-18页 |
| 1.3.1 主要研究内容 | 第16-17页 |
| 1.3.2 论文组织结构 | 第17-18页 |
| 2 人脸识别门禁系统的总体设计 | 第18-24页 |
| 2.1 系统的总体设计要求 | 第18-20页 |
| 2.1.1 系统的功能要求 | 第18-19页 |
| 2.1.2 系统的性能要求 | 第19-20页 |
| 2.2 系统的设计目标 | 第20-21页 |
| 2.3 系统的整体框架结构 | 第21-22页 |
| 2.4 系统的难点分析 | 第22-23页 |
| 2.5 本章小结 | 第23-24页 |
| 3 人脸识别算法研究 | 第24-53页 |
| 3.1 人脸图像采集 | 第24页 |
| 3.2 人脸图像预处理 | 第24-29页 |
| 3.2.1 彩色图像灰度化 | 第25-26页 |
| 3.2.2 人脸图像的噪声消除 | 第26-27页 |
| 3.2.3 人脸图像的光照补偿 | 第27-28页 |
| 3.2.4 人脸图像的尺寸归一化 | 第28-29页 |
| 3.3 人脸检测的主要方法 | 第29-30页 |
| 3.3.1 基于先验知识的方法 | 第30页 |
| 3.3.2 基于模板匹配的方法 | 第30页 |
| 3.3.3 基于机器学习的方法 | 第30页 |
| 3.4 基于肤色模型的人脸检测 | 第30-36页 |
| 3.4.1 色彩空间的选取 | 第31页 |
| 3.4.2 肤色模型的建立 | 第31-32页 |
| 3.4.3 肤色区域的分割 | 第32-35页 |
| 3.4.4 人脸区域的筛选 | 第35-36页 |
| 3.5 基于AdaBoost算法的人脸检测 | 第36-39页 |
| 3.5.1 AdaBoost算法的基本原理 | 第36-38页 |
| 3.5.2 AdaBoost算法的人脸检测效果图 | 第38-39页 |
| 3.6 改进的人脸检测算法 | 第39-44页 |
| 3.6.1 肤色检测与AdaBoost检测的优缺点 | 第39页 |
| 3.6.2 改进的人脸检测算法 | 第39-41页 |
| 3.6.3 仿真结果与分析 | 第41-44页 |
| 3.7 基于改进的PCA算法的人脸识别 | 第44-51页 |
| 3.7.1 人脸识别主要方法介绍 | 第44-46页 |
| 3.7.2 PCA算法的原理 | 第46页 |
| 3.7.3 K-L变换 | 第46-47页 |
| 3.7.4 奇异值分解法 | 第47-48页 |
| 3.7.5 改进的PCA算法 | 第48-50页 |
| 3.7.6 仿真结果及分析 | 第50-51页 |
| 3.8 本章小结 | 第51-53页 |
| 4 嵌入式系统设计 | 第53-61页 |
| 4.1 硬件系统设计 | 第53-56页 |
| 4.1.1 系统硬件设计方案 | 第53-54页 |
| 4.1.2 芯片的选择 | 第54-55页 |
| 4.1.3 摄像头的选取 | 第55页 |
| 4.1.4 电控锁的介绍 | 第55-56页 |
| 4.2 软件平台介绍 | 第56-58页 |
| 4.2.1 嵌入式操作系统搭建 | 第56-57页 |
| 4.2.2 OpenCV的介绍 | 第57-58页 |
| 4.2.3 嵌入式QT介绍 | 第58页 |
| 4.3 系统整体设计 | 第58-60页 |
| 4.4 本章小结 | 第60-61页 |
| 5 系统测试与分析 | 第61-67页 |
| 5.1 人脸检测测试 | 第61-63页 |
| 5.2 人脸识别测试 | 第63-65页 |
| 5.3 系统整体调试 | 第65-66页 |
| 5.4 本章小结 | 第66-67页 |
| 6 总结与展望 | 第67-69页 |
| 6.1 总结 | 第67页 |
| 6.2 展望 | 第67-69页 |
| 参考文献 | 第69-73页 |
| 附录 | 第73-74页 |
| 致谢 | 第74页 |