| 摘要 | 第5-6页 |
| ABSTRACT | 第6页 |
| 第一章 绪论 | 第11-19页 |
| 1.1 人脸感知识别技术的研究背景及意义 | 第11-13页 |
| 1.2 人脸感知识别技术的发展历史与现状 | 第13-17页 |
| 1.2.1 人脸感知识别技术的发展历史 | 第13-14页 |
| 1.2.2 人脸感知识别技术的国内外发展现状 | 第14-15页 |
| 1.2.3 现有安全监控系统的概况 | 第15-17页 |
| 1.3 公共安全监控系统的需求 | 第17页 |
| 1.4 本文的主要工作 | 第17-19页 |
| 第二章 基础知识及公共安全监控系统架构 | 第19-25页 |
| 2.1 AdaBoost算法 | 第19-22页 |
| 2.1.1 算法描述 | 第19-21页 |
| 2.1.2 算法分析 | 第21-22页 |
| 2.2 公共安全监控系统架构 | 第22-23页 |
| 2.2.1 公共安全监控系统功能结构 | 第22-23页 |
| 2.2.2 公共安全监控系统工作流程 | 第23页 |
| 2.3 小结 | 第23-25页 |
| 第三章 数据预处理 | 第25-29页 |
| 3.1 预处理技术 | 第25-27页 |
| 3.1.1 直方图均衡化 | 第25-26页 |
| 3.1.2 灰度变换 | 第26-27页 |
| 3.1.3 中值滤波 | 第27页 |
| 3.2 预处理效果 | 第27-28页 |
| 3.2.1 直方图均衡法 | 第27-28页 |
| 3.2.2 灰度变化 | 第28页 |
| 3.2.3 中值滤波 | 第28页 |
| 3.3 小结 | 第28-29页 |
| 第四章 基于AdaBoost的实时性人脸检测 | 第29-39页 |
| 4.1 AdaBoost算法过程 | 第29-34页 |
| 4.1.1 分类器设计 | 第31-33页 |
| 4.1.1.1 弱分类器 | 第31-32页 |
| 4.1.1.2 强分类器 | 第32-33页 |
| 4.1.2 分类器训练 | 第33-34页 |
| 4.2 基于AdaBoost的实时性人脸感知识别技术 | 第34-36页 |
| 4.2.1 放大检测窗.传统检测流程主要策略 | 第34-35页 |
| 4.2.2 区域合并 | 第35-36页 |
| 4.3 结果分析 | 第36-38页 |
| 4.4 小结 | 第38-39页 |
| 第五章 基于人脸识别的公共安全监控系统实现 | 第39-59页 |
| 5.1 开发环境 | 第39页 |
| 5.2 公共安全系统的关键技术 | 第39-42页 |
| 5.2.1 门禁系统的组成结构 | 第39-40页 |
| 5.2.2 控制电路 | 第40-41页 |
| 5.2.3 通信协议 | 第41页 |
| 5.2.4 数据库 | 第41-42页 |
| 5.3 灰度视频图像人脸的快速检测与定位 | 第42-53页 |
| 5.3.1 视频图像的预处理 | 第42-46页 |
| 5.3.2 人脸候选区域粗定位 | 第46-51页 |
| 5.3.3 人脸检测的实验结果及分析 | 第51-53页 |
| 5.4 人脸识别门禁系统 | 第53-57页 |
| 5.4.1 人脸识别门禁系统的性能指标 | 第53页 |
| 5.4.2 人脸识别门禁系统的设计实现 | 第53-54页 |
| 5.4.3 人脸识别门禁系统的效果 | 第54-57页 |
| 5.5 小结 | 第57-59页 |
| 第六章 结论与展望 | 第59-61页 |
| 参考文献 | 第61-63页 |
| 致谢 | 第63-65页 |
| 作者简介 | 第65-66页 |