| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第11-19页 |
| 1.1 研究的背景与意义 | 第11页 |
| 1.2 国内外研究现状 | 第11-15页 |
| 1.2.1 人脸检测概述 | 第12-14页 |
| 1.2.2 人脸识别概述 | 第14-15页 |
| 1.3 人脸识别系统的基本结构 | 第15页 |
| 1.4 常用人脸库简介 | 第15-16页 |
| 1.5 论文主要工作及结构安排 | 第16-19页 |
| 1.5.1 本文主要工作 | 第16-17页 |
| 1.5.2 本文的结构安排 | 第17-19页 |
| 第2章 人脸图像预处理 | 第19-25页 |
| 2.1 图像光照预处理 | 第19-21页 |
| 2.2 图像去噪处理 | 第21-23页 |
| 2.2.1 均值滤波 | 第21页 |
| 2.2.2 高斯滤波 | 第21-22页 |
| 2.2.3 中值滤波 | 第22页 |
| 2.2.4 实验结果及分析 | 第22-23页 |
| 2.3 尺寸归一化处理 | 第23-24页 |
| 2.4 本章小结 | 第24-25页 |
| 第3章 基于肤色分割的人脸检测 | 第25-38页 |
| 3.1 颜色空间 | 第26-28页 |
| 3.1.1 RGB 颜色空间简介 | 第26页 |
| 3.1.2 YIQ 颜色空间简介 | 第26-27页 |
| 3.1.3 HSV 颜色空间简介 | 第27-28页 |
| 3.1.4 YCbCr 颜色空间简介 | 第28页 |
| 3.1.5 颜色空间的选取 | 第28页 |
| 3.2 肤色模型 | 第28-30页 |
| 3.2.1 简单肤色模型 | 第29页 |
| 3.2.2 直方图模型 | 第29页 |
| 3.2.3 高斯模型 | 第29-30页 |
| 3.2.4 混合高斯模型 | 第30页 |
| 3.2.5 肤色模型的选择 | 第30页 |
| 3.3 肤色区域分割 | 第30-33页 |
| 3.3.1 肤色似然分割 | 第30-31页 |
| 3.3.2 肤色二值化处理 | 第31-32页 |
| 3.3.3 形态学处理 | 第32-33页 |
| 3.4 肤色区域筛选 | 第33-34页 |
| 3.5 实验结果与分析 | 第34-37页 |
| 3.6 本章小结 | 第37-38页 |
| 第4章 基于 PCA 和 LBP 算法人脸识别 | 第38-48页 |
| 4.1 基于 LBP 的人脸识别方法 | 第38-41页 |
| 4.1.1 LBP 算法基本原理 | 第38-39页 |
| 4.1.2 扩展 LBP 描述子 | 第39-41页 |
| 4.1.3 改进的 LBP 算子 | 第41页 |
| 4.2 基于 PCA 的人脸识别方法 | 第41-44页 |
| 4.2.1 PCA 方法的基本思想 | 第41页 |
| 4.2.2 PCA 的基本原理 | 第41-43页 |
| 4.2.3 PCA 人脸识别实现步骤 | 第43-44页 |
| 4.3 结合 PCA 和 LBP 改进算法的人脸识别 | 第44-45页 |
| 4.3.1 特征提取 | 第44页 |
| 4.3.2 识别分类 | 第44-45页 |
| 4.4 实验结果与分析 | 第45-47页 |
| 4.4.1 分块 LBP 算法实验 | 第45页 |
| 4.4.2 识别算法实验 | 第45-47页 |
| 4.5 本章小结 | 第47-48页 |
| 第5章 基于 OpenCV 搭建人脸识别实验平台 | 第48-54页 |
| 5.1 OpenCV 简介 | 第48-49页 |
| 5.2 与 MATLAB 的接口 | 第49页 |
| 5.3 人脸识别系统设计 | 第49-51页 |
| 5.3.1 识别系统功能模块的设计 | 第49-50页 |
| 5.3.2 人脸数据库的设计 | 第50-51页 |
| 5.4 人脸识别系统的实现 | 第51-53页 |
| 5.5 本章小结 | 第53-54页 |
| 结论 | 第54-55页 |
| 参考文献 | 第55-58页 |
| 致谢 | 第58页 |