人脸检测与识别基础算法测试系统的设计与开发
| 摘要 | 第4-5页 |
| abstract | 第5-6页 |
| 第一章 绪论 | 第10-20页 |
| 1.1 系统研究背景及意义 | 第10-15页 |
| 1.1.1 人工智能 | 第10-11页 |
| 1.1.2 生物特征识别技术 | 第11-12页 |
| 1.1.3 人脸识别技术市场前景 | 第12-14页 |
| 1.1.4 论文研究意义 | 第14-15页 |
| 1.2 人脸识别系统研究内容 | 第15-16页 |
| 1.3 人脸检测技术研究现状 | 第16-17页 |
| 1.4 人脸识别技术研究现状 | 第17-19页 |
| 1.5 论文研究内容及章节安排 | 第19-20页 |
| 第二章 人脸检测常见算法 | 第20-32页 |
| 2.1 基于Haar特征的Adaboost算法 | 第20-25页 |
| 2.1.1 Haar特征 | 第20-22页 |
| 2.1.2 积分图 | 第22页 |
| 2.1.3 Adaboost算法原理 | 第22-23页 |
| 2.1.4 算法的人脸检测步骤 | 第23-25页 |
| 2.2 基于肤色模型的人脸检测算法 | 第25-32页 |
| 2.2.1 颜色空间 | 第25-26页 |
| 2.2.2 肤色模型 | 第26-27页 |
| 2.2.3 数学形态学图像处理 | 第27-28页 |
| 2.2.4 肤色分割 | 第28-29页 |
| 2.2.5 筛选人脸区域 | 第29页 |
| 2.2.6 基于肤色的人脸检测步骤 | 第29-32页 |
| 第三章 人脸识别常见算法 | 第32-46页 |
| 3.1 图像预处理 | 第32-35页 |
| 3.1.1 几何变换 | 第32-33页 |
| 3.1.2 直方图均衡化 | 第33-34页 |
| 3.1.3 中值滤波 | 第34-35页 |
| 3.2 图像特征提取 | 第35-39页 |
| 3.2.1 主成分分析(PCA) | 第35-37页 |
| 3.2.2 线性判别分析(LDA) | 第37-38页 |
| 3.2.3 局部二值模式(LBP) | 第38-39页 |
| 3.3 分类器设计 | 第39-46页 |
| 3.3.1 最近邻分类算法 | 第39-40页 |
| 3.3.2 支持向量机 | 第40-42页 |
| 3.3.3 线性回归算法 | 第42-46页 |
| 第四章 系统需求分析 | 第46-54页 |
| 4.1 系统可行性分析 | 第46页 |
| 4.2 系统前景需求 | 第46-49页 |
| 4.2.1 人脸识别技术应用前景 | 第46-48页 |
| 4.2.2 本系统应用前景 | 第48-49页 |
| 4.3 系统设备需求 | 第49页 |
| 4.3.1 硬件需求 | 第49页 |
| 4.3.2 软件需求 | 第49页 |
| 4.4 系统功能需求 | 第49-54页 |
| 4.4.1 Matlab数字图像处理常用函数 | 第49-51页 |
| 4.4.2 人脸检测功能需求 | 第51页 |
| 4.4.3 人脸识别功能需求 | 第51-54页 |
| 第五章 系统详细设计 | 第54-74页 |
| 5.1 系统总体设计 | 第54-55页 |
| 5.2 系统子模块设计 | 第55-59页 |
| 5.2.1 人脸检测子模块 | 第55-57页 |
| 5.2.2 人脸识别子模块 | 第57-59页 |
| 5.3 系统数据存储设计 | 第59-63页 |
| 5.3.1 人脸识别数据库 | 第59-61页 |
| 5.3.2 数据存储与获取 | 第61-62页 |
| 5.3.3 数据分类 | 第62-63页 |
| 5.4 系统关键实现 | 第63-67页 |
| 5.4.1 肤色检测模型 | 第63-66页 |
| 5.4.2 中值滤波 | 第66页 |
| 5.4.3 主成分分析PCA | 第66-67页 |
| 5.4.4 最近邻分类器 | 第67页 |
| 5.5 系统主界面设计 | 第67-68页 |
| 5.6 系统核心模块界面设计 | 第68-74页 |
| 5.6.1 人脸检测界面设计 | 第68-71页 |
| 5.6.2 人脸识别界面设计 | 第71-74页 |
| 第六章 系统应用场景及对创新算法的评测情况 | 第74-82页 |
| 6.1 系统应用场景 | 第74-76页 |
| 6.1.1 算法评测 | 第74页 |
| 6.1.2 算法选择 | 第74-75页 |
| 6.1.3 算法教程 | 第75页 |
| 6.1.4 系统拓展 | 第75-76页 |
| 6.2 最近邻分类算法改进 | 第76-77页 |
| 6.3 创新算法的评测 | 第77-82页 |
| 6.3.1 ORL数据库中的实验 | 第77页 |
| 6.3.2 WNN算法识别精确度评测 | 第77-78页 |
| 6.3.3 WNN算法运行时间评测 | 第78-79页 |
| 6.3.4 评测结论 | 第79-82页 |
| 第七章 总结与展望 | 第82-83页 |
| 7.1 本文工作总结 | 第82页 |
| 7.2 未来工作展望 | 第82-83页 |
| 参考文献 | 第83-86页 |
| 致谢 | 第86-87页 |
