| 摘要 | 第3-4页 |
| Abstract | 第4-5页 |
| 目录 | 第6-8页 |
| 1 引言 | 第8-15页 |
| 1.1 研究背景及意义 | 第8-9页 |
| 1.2 人脸识别的发展与现状 | 第9-10页 |
| 1.2.1 人脸识别的发展历程 | 第9-10页 |
| 1.2.2 人脸识别研究现状 | 第10页 |
| 1.3 多尺度几何分析 | 第10-11页 |
| 1.4 嵌入式系统概述 | 第11-13页 |
| 1.4.1 嵌入式系统的组成及特点 | 第11-12页 |
| 1.4.2 嵌入式系统的发展阶段 | 第12-13页 |
| 1.5 本文工作及主要内容 | 第13-15页 |
| 2 人脸检测 | 第15-26页 |
| 2.1 人脸检测方法 | 第15-16页 |
| 2.1.1 人脸检测的难点和研究现状 | 第15-16页 |
| 2.1.2 现有人脸检测算法 | 第16页 |
| 2.2 基于类 Haar 特征的人脸检测 | 第16-20页 |
| 2.2.1 Haar 函数与 Haar 变换 | 第17-18页 |
| 2.2.2 人脸 Haar 特征提取 | 第18-19页 |
| 2.2.3 人脸类 Haar 特征快速算法 | 第19-20页 |
| 2.3 Adaboost 级联分类器 | 第20-24页 |
| 2.3.1 简单分类器 | 第21页 |
| 2.3.2 强分类器 | 第21-23页 |
| 2.3.3 级联强分类器 | 第23-24页 |
| 2.4 人脸检测效果图 | 第24-25页 |
| 2.5 本章小结 | 第25-26页 |
| 3 基于线性子空间的人脸识别 | 第26-35页 |
| 3.1 基于线性鉴别分析（LDA）的人脸识别 | 第26-30页 |
| 3.1.1 Fisher 判别准则 | 第26-28页 |
| 3.1.2 LDA 用于人脸识别 | 第28-30页 |
| 3.2 基于主成分分析（PCA）的人脸识别 | 第30-32页 |
| 3.3 基于二维主成分分析（2DPCA）的人脸识别 | 第32-34页 |
| 3.3.1 2DPCA 的基本思想 | 第32-33页 |
| 3.3.2 基于 2DPCA 的人脸特征提取 | 第33-34页 |
| 3.3.3 2DPCA 分类器 | 第34页 |
| 3.4 本章小结 | 第34-35页 |
| 4 曲波变换 | 第35-44页 |
| 4.1 傅里叶变换到曲波变换 | 第35-37页 |
| 4.1.1 傅里叶变换 | 第35-36页 |
| 4.1.2 小波变换 | 第36页 |
| 4.1.3 小波变换到曲波变换 | 第36-37页 |
| 4.2 曲波变换理论 | 第37-43页 |
| 4.2.1 第一代 Curvelet 变换 | 第37-39页 |
| 4.2.2 第二代 Curvelet 变换 | 第39-43页 |
| 4.3 本章小结 | 第43-44页 |
| 5 基于 CURVELET 的嵌入式人脸识别 | 第44-51页 |
| 5.1 基于 Curvelet 变换的人脸特征提取 | 第44-46页 |
| 5.1.1 离散 Curvelet 变换实现方法的选择 | 第44-45页 |
| 5.1.2 离散 Curvelet 变换系数选择 | 第45-46页 |
| 5.2 基于 Curvelet 与 2DPCA 的嵌入式人脸识别 | 第46-47页 |
| 5.3 基于 Curvelet 特征加权融合的嵌入式人脸识别 | 第47-49页 |
| 5.4 本章小结 | 第49-51页 |
| 6 嵌入式人脸识别系统的设计与实现 | 第51-60页 |
| 6.1 嵌入式平台介绍 | 第51-52页 |
| 6.2 系统设计与实现 | 第52-55页 |
| 6.2.1 算法选择 | 第52-53页 |
| 6.2.2 系统环境搭建与配置 | 第53页 |
| 6.2.3 图像采集 | 第53-54页 |
| 6.2.4 嵌入式人脸识别 | 第54-55页 |
| 6.3 系统测试 | 第55-59页 |
| 6.4 测试结果分析 | 第59页 |
| 6.5 本章小结 | 第59-60页 |
| 结语 | 第60-61页 |
| 参考文献 | 第61-66页 |
| 致谢 | 第66-67页 |
| 在读期间公开发表论文（著）及科研情况 | 第67页 |
