| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 第一章 绪论 | 第9-12页 |
| 1.1 研究背景及意义 | 第9-10页 |
| 1.2 论文研究内容 | 第10页 |
| 1.3 论文组织结构 | 第10-11页 |
| 1.4 本章总结 | 第11-12页 |
| 第二章 相关技术研究 | 第12-29页 |
| 2.1 视频中人脸检测方法综述 | 第12-21页 |
| 2.1.1 视频中人脸检测的方法 | 第12-13页 |
| 2.1.2 基于haar特征的Adaboost人脸检测分类器 | 第13-14页 |
| 2.1.3 haar-like特征 | 第14-15页 |
| 2.1.4 积分图 | 第15-17页 |
| 2.1.5 基于LBP特征的Adaboost人脸检测分类器 | 第17-20页 |
| 2.1.6 Adaboost算法 | 第20-21页 |
| 2.2 视频中人脸识别方法综述 | 第21-25页 |
| 2.2.1 特征脸方法 | 第22-23页 |
| 2.2.2 Fisher脸方法 | 第23-25页 |
| 2.3 OpenCV开源项目综述 | 第25-28页 |
| 2.3.1 OpenCV简介 | 第25-26页 |
| 2.3.2 OpenCV的安装和配置 | 第26-28页 |
| 2.4 本章小结 | 第28-29页 |
| 第三章 视频中人脸检测与识别系统的总体设计与实现 | 第29-39页 |
| 3.1 系统的功能性需求 | 第29-30页 |
| 3.2 系统的非功能性需求 | 第30-31页 |
| 3.2.1 系统的可实现性 | 第30页 |
| 3.2.2 系统的可靠性 | 第30页 |
| 3.2.3 系统的可扩展性 | 第30-31页 |
| 3.3 系统的整体设计 | 第31-38页 |
| 3.3.1 人脸库建立模块 | 第32-33页 |
| 3.3.2 图像预处理模块 | 第33-35页 |
| 3.3.3 人脸检测模块 | 第35-37页 |
| 3.3.4 人脸识别模块 | 第37-38页 |
| 3.4 本章小结 | 第38-39页 |
| 第四章 视频中人脸检测与识别系统的详细设计与实现 | 第39-59页 |
| 4.1 人脸库的详细设计与实现 | 第39-47页 |
| 4.1.1 常见人脸库详细介绍 | 第39-42页 |
| 4.1.2 人脸数据库的建立 | 第42-46页 |
| 4.1.3 人脸库图像预处理 | 第46页 |
| 4.1.4 人脸库建立模块的具体实现 | 第46-47页 |
| 4.2 图像预处理模块的设计与实现 | 第47-52页 |
| 4.2.1 常见的图像预处理方法 | 第48-49页 |
| 4.2.2 系统中图像预处理模块的实现 | 第49-52页 |
| 4.3 人脸检测模块设计与实现 | 第52-54页 |
| 4.3.1 人脸检测算法选择 | 第53-54页 |
| 4.3.2 人脸检测模块的编码实现 | 第54页 |
| 4.4 人脸识别模块设计与实现 | 第54-57页 |
| 4.4.1 人脸识别方法的选择 | 第54-55页 |
| 4.4.2 视频中人脸识别模块的实现 | 第55-57页 |
| 4.5 本章小结 | 第57-59页 |
| 第五章 视频中人脸检测与识别系统测试与分析 | 第59-65页 |
| 5.1 系统测试环境 | 第59页 |
| 5.2 系统功能测试 | 第59-63页 |
| 5.2.1 系统功能测试 | 第59-61页 |
| 5.2.2 系统性能测试 | 第61-63页 |
| 5.3 本章小结 | 第63-65页 |
| 第六章 总结与展望 | 第65-67页 |
| 6.1 本文工作总结 | 第65-66页 |
| 6.2 未来的研究工作 | 第66-67页 |
| 参考文献 | 第67-69页 |
| 致谢 | 第69页 |