基于ARM的嵌入式人脸识别系统研究与实现
| 摘要 | 第4-5页 |
| ABSTRACT | 第5页 |
| 第一章 绪论 | 第8-13页 |
| 1.1 课题研究的背景和意义 | 第8-10页 |
| 1.1.1 生物识别技术 | 第8页 |
| 1.1.2 生物识别的基本过程 | 第8-9页 |
| 1.1.3 人脸识别技术 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-11页 |
| 1.3 论文的主要工作及结构章节安排 | 第11-13页 |
| 第二章 基于AdaBoost的人脸检测算法 | 第13-28页 |
| 2.1 AdaBoost人脸检测算法简介 | 第13-17页 |
| 2.1.1 Haar特征 | 第14-15页 |
| 2.1.2 积分图 | 第15-17页 |
| 2.2 训练强分类器 | 第17-20页 |
| 2.2.1 训练样本集 | 第17-18页 |
| 2.2.2 弱分类器 | 第18页 |
| 2.2.3 强分类器 | 第18-20页 |
| 2.3 级联分类器 | 第20-22页 |
| 2.4 人眼定位 | 第22-25页 |
| 2.4.1 积分投影 | 第22页 |
| 2.4.2 人眼定位的先验知识 | 第22-23页 |
| 2.4.3 基于积分投影的三层结构人眼定位 | 第23-25页 |
| 2.5 实验结果及分析 | 第25-26页 |
| 2.6 本章小结 | 第26-28页 |
| 第三章 特征提取及人脸识别算法 | 第28-38页 |
| 3.1 人脸图像预处理 | 第28-29页 |
| 3.1.1 几何归一化 | 第28页 |
| 3.1.2 直方图均衡化 | 第28-29页 |
| 3.2 基于PCA特征提取的人脸识别 | 第29-33页 |
| 3.2.1 K-L变换的基本原理 | 第29-30页 |
| 3.2.2 基于PCA的特征提取 | 第30-31页 |
| 3.2.3 基于PCA的人脸识别 | 第31-33页 |
| 3.3 基于 2DPCA特征提取的人脸识别 | 第33-35页 |
| 3.3.1 2DPCA的基本思想 | 第33-34页 |
| 3.3.2 基于 2DPCA的特征提取 | 第34页 |
| 3.3.3 基于 2DPCA的人脸识别 | 第34-35页 |
| 3.4 实验结果及分析 | 第35-37页 |
| 3.5 本章小结 | 第37-38页 |
| 第四章 系统搭建与实现 | 第38-52页 |
| 4.1 系统搭建 | 第38-45页 |
| 4.1.1 嵌入式硬件平台 | 第38-40页 |
| 4.1.2 开发环境 | 第40-42页 |
| 4.1.3 嵌入式Linux操作系统 | 第42-44页 |
| 4.1.4 安装配置Qt | 第44-45页 |
| 4.1.5 安装配置OpenCV | 第45页 |
| 4.2 系统实现 | 第45-49页 |
| 4.2.1 整体结构 | 第45-46页 |
| 4.2.2 系统各个模块 | 第46-48页 |
| 4.2.3 系统界面设计 | 第48-49页 |
| 4.3 系统测试与分析 | 第49-51页 |
| 4.4 本章小结 | 第51-52页 |
| 第五章 总结与展望 | 第52-54页 |
| 5.1 总结 | 第52页 |
| 5.2 展望 | 第52-54页 |
| 参考文献 | 第54-56页 |
| 致谢 | 第56页 |
