基于OpenCV的实时人脸识别系统的设计与实现
| 摘要 | 第5-7页 |
| abstract | 第7-8页 |
| 第1章 绪论 | 第11-15页 |
| 1.1 研究背景及其意义 | 第11-12页 |
| 1.2 国内外研究现状 | 第12-13页 |
| 1.3 主要研究工作 | 第13-14页 |
| 1.4 论文组织结构 | 第14-15页 |
| 第2章 人脸识别系统的理论基础 | 第15-31页 |
| 2.1 特征提取方法 | 第15-20页 |
| 2.1.1 Haar-like特征 | 第15-18页 |
| 2.1.2 LBP特征 | 第18-20页 |
| 2.2 分类算法介绍 | 第20-26页 |
| 2.2.1 Adaboost分类算法 | 第21-22页 |
| 2.2.2 支持向量机 | 第22-23页 |
| 2.2.3 神经网络 | 第23-26页 |
| 2.3 图像预处理方法 | 第26-29页 |
| 2.3.1 噪声预处理 | 第26-27页 |
| 2.3.2 光照预处理 | 第27-29页 |
| 2.3.3 几何预处理 | 第29页 |
| 2.4 本章小结 | 第29-31页 |
| 第3章 人脸检测算法改进与功能模块实现 | 第31-45页 |
| 3.1 基于Haar的人脸检测算法 | 第31-40页 |
| 3.1.1 特征提取算法的选取 | 第31-33页 |
| 3.1.2 分类器的训练 | 第33-38页 |
| 3.1.3 人脸分类器的测试 | 第38-40页 |
| 3.2 基于Haar人脸检测算法的改进 | 第40-42页 |
| 3.2.1 二次验证方法 | 第40-41页 |
| 3.2.2 肤色人眼验证 | 第41-42页 |
| 3.3 人脸检测实验结果与分析 | 第42-44页 |
| 3.4 本章小结 | 第44-45页 |
| 第4章 人脸识别算法改进与功能模块实现 | 第45-55页 |
| 4.1 人脸数据库的建立 | 第45-48页 |
| 4.2 基于LBP的特征提取算法改进 | 第48-52页 |
| 4.2.1 分块LBP的特征提取 | 第48-49页 |
| 4.2.2 基于双层LBP的特征提取算法改进 | 第49-51页 |
| 4.2.3 人脸识别功能的实现 | 第51-52页 |
| 4.3 人脸识别实验结果与分析 | 第52-54页 |
| 4.3.1 人脸样本数量对人脸识别的影响 | 第52页 |
| 4.3.2 人脸倾斜角度对人脸识别的影响 | 第52-54页 |
| 4.4 本章小结 | 第54-55页 |
| 第5章 人脸识别系统设计与实现 | 第55-65页 |
| 5.1 系统的硬件环境 | 第55页 |
| 5.2 系统的软件配置 | 第55-56页 |
| 5.3 人脸识别系统流程设计与实现 | 第56-58页 |
| 5.4 人脸录入模块设计与实现 | 第58-60页 |
| 5.5 人脸图像预处理模块设计与实现 | 第60-61页 |
| 5.6 人脸识别模块设计与实现 | 第61-64页 |
| 5.7 本章小结 | 第64-65页 |
| 第6章 总结与展望 | 第65-67页 |
| 6.1 总结 | 第65-66页 |
| 6.2 展望 | 第66-67页 |
| 参考文献 | 第67-70页 |
| 致谢 | 第70页 |
