具有考勤功能的视频安防系统
| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第一章 绪论 | 第11-18页 |
| 1.1 课题研究的背景及意义 | 第11-13页 |
| 1.2 国内外研究现状概况 | 第13-16页 |
| 1.2.1 视频监控安防系统的研究现状 | 第13-14页 |
| 1.2.2 人脸识别的研究现状 | 第14-16页 |
| 1.3 论文的主要内容及章节安排 | 第16-18页 |
| 第二章 视频考勤安防系统架构 | 第18-26页 |
| 2.1 系统总体框架 | 第18-20页 |
| 2.2 系统功能模块 | 第20-25页 |
| 2.2.1 成员注册 | 第20-21页 |
| 2.2.2 人脸图像特征模型训练 | 第21-22页 |
| 2.2.3 视频中人脸图像检测 | 第22-23页 |
| 2.2.4 视频中人脸图像样本选择 | 第23页 |
| 2.2.5 视频中人脸图像的身份判别 | 第23-24页 |
| 2.2.6 告警与考勤记录查询 | 第24-25页 |
| 2.3 本章小结 | 第25-26页 |
| 第三章 视频中人脸图像检测方法 | 第26-40页 |
| 3.1 常用人脸检测方法 | 第26-29页 |
| 3.2 视频中的运动物体检测 | 第29-32页 |
| 3.2.1 帧间差分法 | 第29-30页 |
| 3.2.2 视频监控安防系统中的运动物体检测 | 第30-32页 |
| 3.3 视频监控安防系统中的人脸检测方法 | 第32-39页 |
| 3.3.1 OpenCV 的简介 | 第32-33页 |
| 3.3.2 AdaBoost 级联分类器 | 第33-38页 |
| 3.3.3 视频监控安防系统中的人脸图像检测 | 第38-39页 |
| 3.4 本章小结 | 第39-40页 |
| 第四章 视频中人脸图像样本选择方法 | 第40-48页 |
| 4.1 图像清晰度评价函数的评价指标 | 第40-42页 |
| 4.2 视频中人脸图像样本的选择方法 | 第42-47页 |
| 4.2.1 常用的图像清晰度评价函数 | 第42-44页 |
| 4.2.2 本文采用的人脸图像选择方法 | 第44-45页 |
| 4.2.3 人脸图像样本选择的实验 | 第45-47页 |
| 4.3 本章小结 | 第47-48页 |
| 第五章 视频中人脸图像的身份判别 | 第48-59页 |
| 5.1 视频中人脸图像的预处理 | 第48-49页 |
| 5.2 人脸图像的身份判别 | 第49-58页 |
| 5.2.1 LBP 局部二元直方图特征 | 第49-53页 |
| 5.2.2 支持向量机 SVM | 第53-55页 |
| 5.2.3 人脸图像的身份判别方法 | 第55-58页 |
| 5.3 本章小结 | 第58-59页 |
| 第六章 视频安防系统的人机交互设计 | 第59-65页 |
| 6.1 成员注册界面设计 | 第59-60页 |
| 6.2 模型训练与样本测试的界面设计 | 第60-62页 |
| 6.3 视频监控的界面设计 | 第62-63页 |
| 6.4 告警与考勤记录查询的界面设计 | 第63-64页 |
| 6.5 本章小结 | 第64-65页 |
| 第七章 系统性能评估 | 第65-72页 |
| 7.1 虚警率与漏警率 | 第65-68页 |
| 7.2 识别正确率 | 第68-69页 |
| 7.3 实时性程度及判决响应时间 | 第69-71页 |
| 7.4 本章小结 | 第71-72页 |
| 总结 | 第72-74页 |
| 参考文献 | 第74-77页 |
| 攻读硕士学位期间取得的研究成果 | 第77-78页 |
| 致谢 | 第78-79页 |
| 附件 | 第79页 |
