基于OpenCV的人脸识别系统的研究与实现
| 摘要 | 第1-5页 |
| ABSTRACT | 第5-8页 |
| 1 绪论 | 第8-18页 |
| ·人脸识别的研究背景 | 第8-10页 |
| ·国内外人脸识别技术研究现状 | 第10页 |
| ·自动人脸识别系统的发展与趋势 | 第10-11页 |
| ·相关理论基础与应用领域 | 第11-13页 |
| ·人脸识别基本理论 | 第11-12页 |
| ·人脸识别应用领域 | 第12-13页 |
| ·人脸识别现有方法概述 | 第13-16页 |
| ·人脸检测方法概述 | 第13-15页 |
| ·人脸定位方法概述 | 第15-16页 |
| ·本论文研究工作概述 | 第16-18页 |
| 2 人脸图像预处理 | 第18-22页 |
| ·图像预处理研究背景与意义 | 第18页 |
| ·人脸图像的预处理 | 第18-21页 |
| ·人脸图像直方图均衡化 | 第18-20页 |
| ·人脸图像中值滤波 | 第20-21页 |
| ·本章小结 | 第21-22页 |
| 3 基于 AdaBoost 的人脸检测算法 | 第22-40页 |
| ·AdaBoost 算法概述 | 第22-24页 |
| ·弱学习与强学习 | 第23-24页 |
| ·矩形特征与积分图 | 第24-30页 |
| ·矩形特征 | 第24-27页 |
| ·积分图 | 第27-30页 |
| ·Adaboost 训练算法 | 第30-39页 |
| ·基本算法描述 | 第30-32页 |
| ·弱分类器与强分类器 | 第32-38页 |
| ·检测器的设计 | 第38-39页 |
| ·本章小结 | 第39-40页 |
| 4 基于 Camshift 的人脸跟踪算法 | 第40-50页 |
| ·常用人脸跟踪算法概述 | 第40-44页 |
| ·Camshift 算法背景及实现 | 第44-49页 |
| ·颜色概率分布与反向投影图 | 第44页 |
| ·Mean-shift 算法 | 第44-46页 |
| ·Camshift 算法原理 | 第46-49页 |
| ·算法实现流程及结果分析 | 第49页 |
| ·本章小结 | 第49-50页 |
| 5 基于 Eigenface 的人脸识别算法 | 第50-57页 |
| ·PCA 算法概述 | 第50-52页 |
| ·Karhunen-Loeve 变换 | 第50-51页 |
| ·PCA 算法原理 | 第51-52页 |
| ·PCA 理论基础 | 第52-53页 |
| ·投影概念 | 第52-53页 |
| ·几何解释 | 第53页 |
| ·PCA 识别算法的改进 | 第53-56页 |
| ·分块 PCA 原理 | 第53-56页 |
| ·本章小结 | 第56-57页 |
| 6 基于 OpenCV 的人脸识别系统的实现 | 第57-63页 |
| ·OpenCV 简介 | 第57页 |
| ·系统环境配置 | 第57-58页 |
| ·人脸识别系统的实现 | 第58-62页 |
| ·人脸跟踪识别系统的软件实现 | 第59-61页 |
| ·系统实现效果 | 第61-62页 |
| ·本章小结 | 第62-63页 |
| 7 总结与展望 | 第63-64页 |
| 致谢 | 第64-65页 |
| 参考文献 | 第65-67页 |
