| 摘要 | 第5-7页 |
| ABSTRACT | 第7-8页 |
| 第一章 绪论 | 第12-16页 |
| 1.1 选题的背景与意义 | 第12页 |
| 1.2 智能监控系统的国内外研究现状 | 第12-13页 |
| 1.3 选题研究的主要内容 | 第13-15页 |
| 1.4 论文的难点 | 第15页 |
| 1.5 论文的组织结构 | 第15-16页 |
| 第二章 智能监控系统的相关技术 | 第16-24页 |
| 2.1 图像处理技术 | 第16-22页 |
| 2.1.1 人脸检测 | 第16-17页 |
| 2.1.2 人脸识别 | 第17-19页 |
| 2.1.3 人体目标识别 | 第19-22页 |
| 2.2 C/S架构的Android平台软件开发技术综述 | 第22-23页 |
| 2.2.1 Android软件开发背景与意义 | 第22页 |
| 2.2.2 C/S架构中的关键技术分析 | 第22-23页 |
| 2.3 本章小结 | 第23-24页 |
| 第三章 基于多光照实时视频的人脸打卡系统研究与实现 | 第24-45页 |
| 3.1 视频人脸检测多光照预处理 | 第24-31页 |
| 3.1.1 光照预处理 | 第24-26页 |
| 3.1.2 基于复杂背景的肤色分割 | 第26-30页 |
| 3.1.3 帧间关联性有效性判断 | 第30-31页 |
| 3.2 实时视频人脸检测 | 第31-34页 |
| 3.2.1 基于Haar-like特征的Ada Boost算法 | 第31-32页 |
| 3.2.2 大目标人脸检测 | 第32-33页 |
| 3.2.3 模版匹配 | 第33-34页 |
| 3.3 人脸识别与分类算法研究 | 第34-39页 |
| 3.3.1 LBP算法描述 | 第34-36页 |
| 3.3.2 二值化直方图加权算法 | 第36-38页 |
| 3.3.3 最近邻人脸分类 | 第38-39页 |
| 3.4 人脸打卡子系统的设计与实现 | 第39-43页 |
| 3.4.1 系统概述 | 第39页 |
| 3.4.2 方案设计 | 第39-40页 |
| 3.4.3 系统实现 | 第40-43页 |
| 3.5 本章小结 | 第43-45页 |
| 第四章 基于运动帧差多特征融合的人体目标检测 | 第45-59页 |
| 4.1 hog特征原理 | 第45-48页 |
| 4.1.1 灰度化与Gamma校正 | 第46页 |
| 4.1.2 像素的梯度 | 第46-47页 |
| 4.1.3 单元梯度直方图计算 | 第47页 |
| 4.1.4 块梯度直方图计算 | 第47-48页 |
| 4.1.5 HOG特征描述器 | 第48页 |
| 4.2 SVM分类器 | 第48-51页 |
| 4.2.1 线性可分的类 | 第48-50页 |
| 4.2.2 线性不可分的类 | 第50-51页 |
| 4.3 基于运动差分和LBP特征融合的HOG-SVM改进算法 | 第51-52页 |
| 4.4 人体目标检测算法实现 | 第52-58页 |
| 4.4.1 测试数据分析 | 第52-53页 |
| 4.4.2 测试性能评价 | 第53-54页 |
| 4.4.3 实验结果分析 | 第54-58页 |
| 4.5 本章小结 | 第58-59页 |
| 第五章 智能终端报警软件的设计与实现 | 第59-70页 |
| 5.1 开发环境的搭建 | 第59页 |
| 5.2 软件概况 | 第59-65页 |
| 5.2.1 系统目标 | 第59-60页 |
| 5.2.2 总体模块设计 | 第60-62页 |
| 5.2.3 局域网通信设计 | 第62-64页 |
| 5.2.4 SQLite数据库设计 | 第64-65页 |
| 5.3 软件模块实现 | 第65-69页 |
| 5.3.1 手机软件配置模块 | 第65-66页 |
| 5.3.2 手机报警功能模块 | 第66-68页 |
| 5.3.3 人员考勤功能模块 | 第68-69页 |
| 5.4 本章小结 | 第69-70页 |
| 第六章 总结和展望 | 第70-72页 |
| 6.1 本文总结 | 第70页 |
| 6.2 未来工作展望 | 第70-72页 |
| 致谢 | 第72-73页 |
| 参考文献 | 第73-77页 |
| 攻硕期间的研究成果 | 第77-78页 |
