| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第1章 绪论 | 第9-14页 |
| 1.1 研究背景、内容及其应用领域 | 第9-10页 |
| 1.1.1 研究背景 | 第9页 |
| 1.1.2 研究内容 | 第9-10页 |
| 1.1.3 应用领域 | 第10页 |
| 1.2 国内外研究现状及发展动态 | 第10-13页 |
| 1.3 本文研究工作概述 | 第13-14页 |
| 第2章 人脸图像预处理 | 第14-20页 |
| 2.1 人脸图像预处理研究意义 | 第14页 |
| 2.2 灰度转换 | 第14-15页 |
| 2.3 人脸几何校正 | 第15-17页 |
| 2.4 直方图均衡化 | 第17-19页 |
| 2.5 本章总结 | 第19-20页 |
| 第3章 基于AdaBoost的人脸检测算法研究与实现 | 第20-31页 |
| 3.1 Haar分类器 | 第20-26页 |
| 3.1.1 Haar-like特征 | 第20-22页 |
| 3.1.2 积分图 | 第22-24页 |
| 3.1.3 基于AdaBoost算法的分类器 | 第24-26页 |
| 3.2 检测器的设计与实现 | 第26-28页 |
| 3.3 实验结果 | 第28-30页 |
| 3.4 本章小结 | 第30-31页 |
| 第4章 人脸跟踪算法研究与实现 | 第31-44页 |
| 4.1 光流法 | 第31-36页 |
| 4.1.1 光流法原理 | 第31-34页 |
| 4.1.2 LK光流法实现流程 | 第34-35页 |
| 4.1.3 跟踪效果分析 | 第35-36页 |
| 4.2 ASM算法 | 第36-40页 |
| 4.2.1 ASM算法原理 | 第36-39页 |
| 4.2.2 ASM算法跟踪效果分析 | 第39-40页 |
| 4.3 Camshift算法 | 第40-43页 |
| 4.3.1 输入图像直方图的反向投影图 | 第41-42页 |
| 4.3.2 Camshift算法流程 | 第42-43页 |
| 4.3.3 Camshift跟踪分析 | 第43页 |
| 4.4 本章小结 | 第43-44页 |
| 第5章 人脸识别算法研究与实现 | 第44-57页 |
| 5.1 LDA算法 | 第44-49页 |
| 5.1.1 LDA算法原理 | 第44-47页 |
| 5.1.2 LDA算法实现 | 第47-48页 |
| 5.1.3 LDA算法分析 | 第48-49页 |
| 5.2 SIFT算法 | 第49-56页 |
| 5.2.1 SIFT算法原理 | 第49-53页 |
| 5.2.2 SIFT算法实现 | 第53-54页 |
| 5.2.3 SIFT算法分析 | 第54-56页 |
| 5.3 本章小结 | 第56-57页 |
| 第6章 人脸识别系统实现 | 第57-65页 |
| 6.1 系统功能描述 | 第57-62页 |
| 6.1.1 检测跟踪识别过程 | 第58-60页 |
| 6.1.2 人脸图像采集和数据库操作 | 第60-62页 |
| 6.2 系统实现及分析 | 第62-64页 |
| 6.3 本章小结 | 第64-65页 |
| 第7章 结论与展望 | 第65-66页 |
| 参考文献 | 第66-69页 |
| 攻读硕士学位期间发表的论文及其他成果 | 第69-70页 |
| 致谢 | 第70页 |