| 摘要 | 第3-5页 |
| Abstract | 第5-6页 |
| 1 绪论 | 第9-12页 |
| 1.1 课题背景及研究意义 | 第9-10页 |
| 1.2 国内外的研究现状及发展趋势 | 第10页 |
| 1.3 论文主要的研究内容及章节安排 | 第10-12页 |
| 2 人脸识别门禁系统总体方案设计 | 第12-22页 |
| 2.1 系统总体方案 | 第12-16页 |
| 2.1.1 系统软硬件平台选择 | 第12-14页 |
| 2.1.2 系统软件平台选择 | 第14-16页 |
| 2.2 基于Adaboost算法的人脸检测和眨眼检测 | 第16-18页 |
| 2.2.1 Adaboost算法原理描述 | 第16-17页 |
| 2.2.2 Haar-like特征介绍 | 第17-18页 |
| 2.3 图像预处理 | 第18-20页 |
| 2.4 基于PCA的人脸识别 | 第20-21页 |
| 2.5 本章小结 | 第21-22页 |
| 3 实现人脸识别系统 | 第22-41页 |
| 3.1 搭建系统软件开发环境 | 第22-24页 |
| 3.1.1 搭建交叉编译环境 | 第22-23页 |
| 3.1.2 在Qt Creator中添加OpenCV库 | 第23-24页 |
| 3.2 编译Linux系统 | 第24-28页 |
| 3.2.1 启动程序Bootloader | 第24-25页 |
| 3.2.2 配置和编译内核 | 第25-26页 |
| 3.2.3 制作文件系统 | 第26-28页 |
| 3.3 基于Video4Linux2的视频采集 | 第28-29页 |
| 3.3.1 实现视频图像采集 | 第28-29页 |
| 3.4 实现人脸检测 | 第29-31页 |
| 3.4.1 OpenCV函数介绍 | 第29-30页 |
| 3.4.2 实现人脸检测 | 第30-31页 |
| 3.5 AdaBoost的眨眼检测 | 第31-37页 |
| 3.5.1 选取样本和训练分类器 | 第31-35页 |
| 3.5.2 实现眨眼检测 | 第35-37页 |
| 3.6 人脸识别功能的设计与实现 | 第37-40页 |
| 3.6.1 训练过程 | 第37-38页 |
| 3.6.2 识别过程 | 第38-40页 |
| 3.7 本章小结 | 第40-41页 |
| 4 系统检测结果 | 第41-47页 |
| 4.1 人脸检测结果 | 第41-42页 |
| 4.2 眨眼检测结果 | 第42-43页 |
| 4.3 人脸识别结果 | 第43-46页 |
| 4.4 本章小结 | 第46-47页 |
| 5 总结与展望 | 第47-49页 |
| 5.1 总结 | 第47-48页 |
| 5.2 展望 | 第48-49页 |
| 参考文献 | 第49-51页 |
| 攻读硕士期间发表论文 | 第51-52页 |
| 致谢 | 第52-54页 |