| 摘要 | 第3-4页 |
| 英文摘要 | 第4-8页 |
| 1 绪论 | 第8-16页 |
| 1.1 研究背景与意义 | 第8-9页 |
| 1.2 国内外研究现状 | 第9-13页 |
| 1.3 论文主要研究内容 | 第13页 |
| 1.4 本论文结构安排 | 第13-16页 |
| 2 人脸识别技术分析 | 第16-28页 |
| 2.1 人脸特征提取 | 第16-18页 |
| 2.1.1 基于LBP的特征提取 | 第16-17页 |
| 2.1.2 基于PCA的人脸特征提取 | 第17-18页 |
| 2.2 人脸识别分类器 | 第18-20页 |
| 2.2.1 最近邻分类器 | 第18-19页 |
| 2.2.2 支持向量机 | 第19页 |
| 2.2.3 神经网络 | 第19-20页 |
| 2.3 PCA与BP神经网络算法原理 | 第20-25页 |
| 2.3.1 PCA特征提取 | 第21-22页 |
| 2.3.2 BP神经网络分类 | 第22-25页 |
| 2.4 人脸数据库选择 | 第25-27页 |
| 2.4.1 Yale人脸库 | 第26页 |
| 2.4.2 ORL人脸库 | 第26-27页 |
| 2.5 本章小结 | 第27-28页 |
| 3 改进人脸识别算法的软件实现及结果分析 | 第28-40页 |
| 3.1 PCA特征提取的改进 | 第28-29页 |
| 3.1.1 PCA算法矩阵分解方法分析 | 第28页 |
| 3.1.2 PCA矩阵分解方法改进 | 第28-29页 |
| 3.2 引用已改进的BP神经网络 | 第29-32页 |
| 3.2.1 激励函数选择 | 第29-30页 |
| 3.2.2 权值的更新方式 | 第30-32页 |
| 3.3 改进算法的软件实现过程 | 第32页 |
| 3.4 实验结果及分析 | 第32-39页 |
| 3.4.1 特征提取的性能分析 | 第32-34页 |
| 3.4.2 权值调整方法测试 | 第34-36页 |
| 3.4.3 结合PCA与BP神经网络的人脸识别算法性能测试 | 第36-39页 |
| 3.5 本章小结 | 第39-40页 |
| 4 人脸识别算法硬件实现 | 第40-54页 |
| 4.1 功能模块划分 | 第40页 |
| 4.2 各模块具体实现 | 第40-50页 |
| 4.2.1 顶层控制模块 | 第40-42页 |
| 4.2.2 数据存储模块 | 第42页 |
| 4.2.3 PCA人脸降维模块 | 第42-45页 |
| 4.2.4 BP分类识别模块 | 第45-50页 |
| 4.3 系统验证 | 第50-52页 |
| 4.4 本章小结 | 第52-54页 |
| 5 总结与展望 | 第54-56页 |
| 5.1 总结 | 第54页 |
| 5.2 展望 | 第54-56页 |
| 致谢 | 第56-58页 |
| 参考文献 | 第58-61页 |