视频流中人脸图像识别算法研究及DSP实现
| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第11-19页 |
| 1.1 课题研究背景及意义 | 第11-12页 |
| 1.2 国内外研究现状 | 第12-14页 |
| 1.2.1 国外研究现状 | 第12-13页 |
| 1.2.2 国内研究动态 | 第13-14页 |
| 1.3 视频中人脸识别的流程 | 第14-15页 |
| 1.4 识别系统的评价标准 | 第15-16页 |
| 1.5 视频人脸识别系统的应用前景 | 第16页 |
| 1.6 本文的主要工作及框架 | 第16-19页 |
| 第2章 视频人脸识别系统相关理论 | 第19-35页 |
| 2.1 人脸检测 | 第19-21页 |
| 2.1.1 颜色空间 | 第19-21页 |
| 2.1.2 选择颜色空间 | 第21页 |
| 2.2 图像特征 | 第21-25页 |
| 2.2.1 图像的特征类 | 第22页 |
| 2.2.2 主成分分析法 | 第22-24页 |
| 2.2.3 二维PCA算法 | 第24-25页 |
| 2.3 遗传算法 | 第25-27页 |
| 2.4 分类器 | 第27-31页 |
| 2.4.1 几种基本的分类器 | 第27-28页 |
| 2.4.2 最近邻分类器 | 第28-29页 |
| 2.4.3 支持向量机 | 第29-31页 |
| 2.5 图像预处理 | 第31-32页 |
| 2.5.1 图像尺寸归一化 | 第31页 |
| 2.5.2 光照补偿 | 第31-32页 |
| 2.6 硬件平台介绍 | 第32-34页 |
| 2.7 本章小结 | 第34-35页 |
| 第3章 视频人脸识别系统仿真与实现 | 第35-53页 |
| 3.1 视频流人脸图像识别系统框架 | 第35-36页 |
| 3.2 视频采集 | 第36-38页 |
| 3.3 图像预处理 | 第38-40页 |
| 3.4 人脸检测 | 第40-42页 |
| 3.5 生成人脸数据库 | 第42-43页 |
| 3.6 人脸识别 | 第43-46页 |
| 3.6.1 二维下的人脸识别 | 第44页 |
| 3.6.2 ORL人脸库 | 第44页 |
| 3.6.3 主成分分析法 | 第44-46页 |
| 3.7 遗传算法的改进 | 第46-49页 |
| 3.7.1 经典遗传算法 | 第46-47页 |
| 3.7.2 遗传算法的改进 | 第47-48页 |
| 3.7.3 改进遗传算法性能分析 | 第48-49页 |
| 3.8 分类器分类 | 第49-51页 |
| 3.8.1 最近邻分类器 | 第50页 |
| 3.8.2 支持向量机分类器 | 第50-51页 |
| 3.9 视频流人脸图像识别 | 第51-52页 |
| 3.10 本章小结 | 第52-53页 |
| 第4章 人脸识别系统的DSP实现 | 第53-71页 |
| 4.1 硬件开发平台 | 第53-55页 |
| 4.2 系统硬件结构 | 第55-57页 |
| 4.2.1 视频采集模块 | 第56页 |
| 4.2.2 数据处理模块 | 第56页 |
| 4.2.3 视频输出模块 | 第56-57页 |
| 4.3 ICETEK-XDS560仿真器 | 第57-58页 |
| 4.4 CCS软件仿真 | 第58-61页 |
| 4.4.1 CCS软件介绍 | 第58-59页 |
| 4.4.2 DSP/BIOS实时操作系统 | 第59-61页 |
| 4.5 系统的DSP实现 | 第61-67页 |
| 4.5.1 算法实现流程 | 第61-62页 |
| 4.5.2 光照补偿 | 第62页 |
| 4.5.3 肤色检测 | 第62-64页 |
| 4.5.4 人脸识别 | 第64-67页 |
| 4.6 系统性能测试与分析 | 第67-69页 |
| 4.7 本章小结 | 第69-71页 |
| 第5章 总结与展望 | 第71-73页 |
| 5.1 工作总结 | 第71-72页 |
| 5.2 工作展望 | 第72-73页 |
| 参考文献 | 第73-77页 |
| 致谢 | 第77页 |
