| 摘要 | 第1-7页 |
| Abstract | 第7-10页 |
| 第1章 绪论 | 第10-20页 |
| ·课题的研究背景及意义 | 第10-12页 |
| ·生物识别技术 | 第10页 |
| ·生物识别的过程 | 第10-12页 |
| ·人脸检测技术概述 | 第12-13页 |
| ·人脸检测技术的国内外现状 | 第12页 |
| ·人脸检测技术的难点和研究意义 | 第12-13页 |
| ·人脸识别技术概述 | 第13-14页 |
| ·人脸识别技术的国内外现状 | 第13-14页 |
| ·人脸识别技术的难点和研究意义 | 第14页 |
| ·人脸检测方法分类 | 第14-16页 |
| ·基于颜色特征的方法 | 第14-15页 |
| ·基于知识的方法 | 第15-16页 |
| ·基于统计的方法 | 第16页 |
| ·人脸识别方法分类 | 第16-18页 |
| ·基于几何特征的方法 | 第16-17页 |
| ·基于模板匹配的方法 | 第17页 |
| ·基于概率统计的方法 | 第17-18页 |
| ·本文的研究内容及组织结构 | 第18-20页 |
| ·本文主要研究内容 | 第18页 |
| ·本文组织安排 | 第18-20页 |
| 第2章 用于人脸检测的haar特征及积分图 | 第20-27页 |
| ·haar-like矩形特征 | 第20-23页 |
| ·原始haar-like特征 | 第20页 |
| ·扩展haar-like特征 | 第20-22页 |
| ·矩形特征的表示 | 第22-23页 |
| ·积分图像 | 第23-27页 |
| ·原始矩形特征积分图 | 第24页 |
| ·扩展矩形特征积分图 | 第24-27页 |
| 第3章 AdaBoost人脸检测 | 第27-35页 |
| ·AdaBoost学习算法 | 第27-28页 |
| ·级联分类器 | 第28-29页 |
| ·人脸检测算法性能分析 | 第29-30页 |
| ·本文对人脸检测算法的改进 | 第30-35页 |
| ·运动区域检测 | 第30-31页 |
| ·利用改进的EOM算法进行人脸预检测 | 第31-35页 |
| 第4章 基于Gabor算法的人脸特征提取 | 第35-44页 |
| ·Gabor滤波器简介 | 第35-36页 |
| ·本文对Gabor人脸特征提取算法的改进 | 第36-44页 |
| ·采用Gabor-Sobel算子代替Gabor变换 | 第38-39页 |
| ·对Gabor变换的实部虚部均提取特征 | 第39-40页 |
| ·利用LTP代替LBP算子进行纹理特征提取 | 第40-44页 |
| 第5章 基于SVM和boosting的人脸识别分类器设计 | 第44-48页 |
| ·支持向量机SVM的基本原理 | 第44-45页 |
| ·boosting的基本原理 | 第45-46页 |
| ·本文对SVM分类方法的改进 | 第46-48页 |
| 第6章 ICU人脸识别门禁系统软件功能介绍 | 第48-56页 |
| ·集成开发环境QT Creater介绍 | 第48页 |
| ·开源计算机视觉库OpenCV介绍 | 第48-49页 |
| ·ICU系统整体结构 | 第49页 |
| ·ICU硬件系统 | 第49-50页 |
| ·ICU软件系统 | 第50-56页 |
| ·视频模块 | 第51-52页 |
| ·人脸检测模块 | 第52-53页 |
| ·人脸识别模块 | 第53-54页 |
| ·系统设置模块 | 第54-56页 |
| 第7章 结论与展望 | 第56-57页 |
| 致谢 | 第57-58页 |
| 参考文献 | 第58-61页 |
| 攻读硕士学位期间发表的学术论文 | 第61页 |