人脸检测与识别技术研究与考勤系统设计
| 摘要 | 第5-6页 |
| ABSTRACT | 第6页 |
| 第一章 绪论 | 第13-19页 |
| 1.1 研究背景及意义 | 第13-14页 |
| 1.2 国内外研究现状 | 第14-16页 |
| 1.2.1 人脸检测的研究现状 | 第14-15页 |
| 1.2.2 人脸识别的研究现状 | 第15-16页 |
| 1.3 人脸识别库 | 第16-17页 |
| 1.4 本文的主要工作及章节安排 | 第17-19页 |
| 第二章 图像预处理 | 第19-30页 |
| 2.1 图像光照补偿 | 第19-22页 |
| 2.2 常用的颜色空间 | 第22-23页 |
| 2.2.1 RGB颜色空间 | 第22-23页 |
| 2.2.2 YCbCr颜色空间 | 第23页 |
| 2.3 图像分割 | 第23-25页 |
| 2.3.1 直方图阈值法 | 第24页 |
| 2.3.2 最佳阈值法 | 第24-25页 |
| 2.4 图像处理 | 第25-29页 |
| 2.4.1 灰度化 | 第25-26页 |
| 2.4.2 几何校正 | 第26-27页 |
| 2.4.3 图像平滑 | 第27页 |
| 2.4.4 滤波 | 第27-29页 |
| 2.5 本章小结 | 第29-30页 |
| 第三章 基于AdaBoost的人脸检测 | 第30-44页 |
| 3.1 集成学习 | 第30页 |
| 3.2 AdaBoost算法原理 | 第30-32页 |
| 3.3 基于Adaboost人脸检测算法的实现 | 第32-37页 |
| 3.3.1 Haar-like特征 | 第32-33页 |
| 3.3.2 积分图 | 第33-35页 |
| 3.3.3 AdaBoost训练算法过程 | 第35-37页 |
| 3.4 级联分类器 | 第37-38页 |
| 3.5 人脸检测速度的优化 | 第38页 |
| 3.6 训练样本 | 第38-39页 |
| 3.6.1 人脸样本 | 第38-39页 |
| 3.6.2 非人脸样本 | 第39页 |
| 3.7 不同光照补偿的人脸检测 | 第39-40页 |
| 3.8 基于AdaBoost的人眼定位 | 第40-43页 |
| 3.8.1 人眼定位方法描述 | 第40-41页 |
| 3.8.2 基于AdaBoost的人眼定位 | 第41-43页 |
| 3.9 本章小结 | 第43-44页 |
| 第四章 基于PCA的人脸识别 | 第44-52页 |
| 4.1 PCA原理 | 第44-45页 |
| 4.2 基于PCA的人脸识别 | 第45-48页 |
| 4.2.1 特征脸空间 | 第45-46页 |
| 4.2.2 训练样本特征提取 | 第46-47页 |
| 4.2.3 识别的分类 | 第47-48页 |
| 4.3 2DPCA人脸识别 | 第48-50页 |
| 4.3.1 2DPCA的原理 | 第48-49页 |
| 4.3.2 2DPCA人脸特征提取 | 第49-50页 |
| 4.3.3 2DPCA的人脸识别 | 第50页 |
| 4.4 实验结果与分析 | 第50-51页 |
| 4.5 本章小结 | 第51-52页 |
| 第五章 人脸检测与识别系统设计与实现 | 第52-60页 |
| 5.1 系统的总体结构 | 第52页 |
| 5.2 系统的设计与实现 | 第52-55页 |
| 5.2.1 系统的开发环境 | 第52-53页 |
| 5.2.2 系统的详细设计 | 第53-55页 |
| 5.3 系统各界面运行结果 | 第55-58页 |
| 5.4 系统实验分析 | 第58页 |
| 5.5 本章小结 | 第58-60页 |
| 第六章 总结与展望 | 第60-62页 |
| 6.1 总结 | 第60页 |
| 6.2 展望 | 第60-62页 |
| 致谢 | 第62-63页 |
| 参考文献 | 第63-66页 |
| 攻硕期间取得的研究成果 | 第66-67页 |
