基于分布式的人脸检索系统设计与实现
| 摘要 | 第5-6页 |
| ABSTRACT | 第6页 |
| 第一章 绪论 | 第9-17页 |
| 1.1 研究工作的背景与意义 | 第9-10页 |
| 1.2 国内外研究历史与现状 | 第10-15页 |
| 1.2.1 国外研究现状 | 第10-14页 |
| 1.2.2 国内研究现状 | 第14-15页 |
| 1.3 本文的主要研究内容 | 第15页 |
| 1.4 本论文的结构安排 | 第15-17页 |
| 第二章 相关技术分析 | 第17-25页 |
| 2.1 OpenCV简介 | 第17-19页 |
| 2.1.1 OpenCV的特点与优势 | 第17-18页 |
| 2.1.2 OpenCV的体系结构 | 第18-19页 |
| 2.1.3 OpenCV的使用 | 第19页 |
| 2.2 人脸检测方法概述 | 第19-22页 |
| 2.2.1 基于知识的人脸检测 | 第19页 |
| 2.2.2 基于不变特征的人脸检测 | 第19-20页 |
| 2.2.3 基于模板匹配的人脸检测 | 第20页 |
| 2.2.4 基于机器学习的人脸检测 | 第20页 |
| 2.2.5 基于Adaboost的人脸检测算法 | 第20-22页 |
| 2.3 人脸识别方法概述 | 第22-24页 |
| 2.3.1 基于几何特征的人脸识别 | 第22页 |
| 2.3.2 基于代数特征的人脸识别 | 第22-23页 |
| 2.3.3 基于机器学习的人脸识别 | 第23-24页 |
| 2.3.4 弹性图匹配方法 | 第24页 |
| 2.4 本章小结 | 第24-25页 |
| 第三章 人脸检测与识别系统需求分析 | 第25-32页 |
| 3.1 系统总体说明 | 第25-26页 |
| 3.2 系统功能需求分析 | 第26-27页 |
| 3.3 系统性能需求分析 | 第27-28页 |
| 3.4 数据流分析 | 第28-31页 |
| 3.5 本章小结 | 第31-32页 |
| 第四章 人脸检测与识别系统设计 | 第32-41页 |
| 4.1 系统设计 | 第32-33页 |
| 4.2 预处理模块设计 | 第33-35页 |
| 4.3 人脸检测模块设计 | 第35-38页 |
| 4.4 人脸训练与识别模块设计 | 第38-40页 |
| 4.5 本章小结 | 第40-41页 |
| 第五章 人脸检测与识别系统实现 | 第41-61页 |
| 5.1 系统开发与运行环境 | 第41页 |
| 5.2 预处理模块实现 | 第41-44页 |
| 5.2.1 几何归一化 | 第41-43页 |
| 5.2.2 直方图均衡 | 第43-44页 |
| 5.3 人脸检测模块实现 | 第44-49页 |
| 5.3.1 Adaboost人脸检测算法 | 第44页 |
| 5.3.2 Cascade方法 | 第44-46页 |
| 5.3.3 检测实现 | 第46-49页 |
| 5.4 人脸训练与识别模块实现 | 第49-60页 |
| 5.4.1 人脸训练 | 第49-51页 |
| 5.4.2 识别过程 | 第51-55页 |
| 5.4.3 系统实现 | 第55-60页 |
| 5.5 本章小结 | 第60-61页 |
| 第六章 人脸检测与识别系统测试 | 第61-69页 |
| 6.1 测试原则 | 第61页 |
| 6.2 测试样本 | 第61-62页 |
| 6.3 测试方案与结果 | 第62-68页 |
| 6.4 测试结论 | 第68页 |
| 6.5 本章小结 | 第68-69页 |
| 第七章 全文总结与展望 | 第69-71页 |
| 7.1 全文总结 | 第69-70页 |
| 7.2 后续工作展望 | 第70-71页 |
| 致谢 | 第71-72页 |
| 参考文献 | 第72-75页 |
