基于Android系统的人脸识别算法研究与实现
| 摘要 | 第5-7页 |
| ABSTRACT | 第7-9页 |
| 第1章 绪论 | 第13-21页 |
| 1.1 课题研究背景及意义 | 第13-15页 |
| 1.2 国内外研究现状 | 第15-19页 |
| 1.3 本文主要研究内容与组织结构 | 第19-21页 |
| 1.3.1 本文主要研究内容 | 第19-20页 |
| 1.3.2 本文组织结构 | 第20-21页 |
| 第2章 人脸图像预处理 | 第21-30页 |
| 2.1 灰度归一化 | 第21-24页 |
| 2.1.1 RGB颜色空间 | 第21-23页 |
| 2.1.2 HSV颜色空间 | 第23-24页 |
| 2.2 直方图均衡化 | 第24-26页 |
| 2.3 图像平滑 | 第26-29页 |
| 2.3.1 空间域 | 第26-28页 |
| 2.3.2 频域 | 第28-29页 |
| 2.4 本章小结 | 第29-30页 |
| 第3章 人脸检测与特征提取 | 第30-40页 |
| 3.1 人脸检测技术 | 第30页 |
| 3.2 基于Adaboost的人脸检测方法 | 第30-36页 |
| 3.2.1 Haar特征 | 第31-32页 |
| 3.2.2 积分图 | 第32-33页 |
| 3.2.3 分类器训练 | 第33-34页 |
| 3.2.4 级联分类器 | 第34-36页 |
| 3.3 人脸特征提取技术 | 第36-37页 |
| 3.4 基于PCA的人脸特征提取方法 | 第37-39页 |
| 3.4.1 K-L变换 | 第37-38页 |
| 3.4.2 PCA特征提取过程 | 第38-39页 |
| 3.5 本章小结 | 第39-40页 |
| 第4章 基于混合核函数的SVM人脸识别方法 | 第40-47页 |
| 4.1 几种常用分类器 | 第40-42页 |
| 4.1.1 最近邻分类器 | 第40-41页 |
| 4.1.2 贝叶斯分类器 | 第41页 |
| 4.1.3 神经网络分类器 | 第41页 |
| 4.1.4 支持向量机(SVM)分类器 | 第41-42页 |
| 4.2 基于SVM的人脸识别方法 | 第42-45页 |
| 4.2.1 线性可分到线性不可分 | 第42-43页 |
| 4.2.2 核函数 | 第43-44页 |
| 4.2.3 基于混合核函数的SVM分类器 | 第44页 |
| 4.2.4 多分类方案 | 第44-45页 |
| 4.3 改进算法仿真实验 | 第45-46页 |
| 4.4 本章小结 | 第46-47页 |
| 第5章 Android人脸识别系统的实现 | 第47-62页 |
| 5.1 Android核心技术 | 第47-56页 |
| 5.1.1 四大组件 | 第47-51页 |
| 5.1.2 数据持久化 | 第51-53页 |
| 5.1.3 交互服务器 | 第53-56页 |
| 5.2 JNI调用OpenCV函数库 | 第56-58页 |
| 5.2.1 OpenCV函数库 | 第56页 |
| 5.2.2 JNI技术 | 第56-58页 |
| 5.2.3 NDK | 第58页 |
| 5.3 系统设计与实现 | 第58-61页 |
| 5.3.1 功能分析 | 第58-59页 |
| 5.3.2 系统架构 | 第59-60页 |
| 5.3.3 系统实现与实验 | 第60-61页 |
| 5.4 本章小结 | 第61-62页 |
| 第6章 总结与展望 | 第62-64页 |
| 6.1 本文总结 | 第62-63页 |
| 6.2 下一步工作展望 | 第63-64页 |
| 参考文献 | 第64-68页 |
| 攻读学位期间发表的学术论文目录 | 第68-69页 |
| 致谢 | 第69页 |
