| 致谢 | 第5-6页 |
| 摘要 | 第6-7页 |
| abstract | 第7-8页 |
| 1 绪论 | 第14-22页 |
| 1.1 课题研究背景和意义 | 第14-15页 |
| 1.2 国内外研究现状 | 第15-19页 |
| 1.2.1 门禁系统的研究现状 | 第15-17页 |
| 1.2.2 人脸识别技术的研究现状 | 第17-18页 |
| 1.2.3 门禁系统硬件平台的研究现状 | 第18-19页 |
| 1.3 Davinci平台的概述 | 第19-20页 |
| 1.4 本文的主要工作 | 第20页 |
| 1.5 本文的组织结构 | 第20-22页 |
| 2 人脸识别门禁系统总体设计 | 第22-36页 |
| 2.1 系统设计分析 | 第22-23页 |
| 2.1.1 系统应用分析 | 第22-23页 |
| 2.1.2 系统设计目标 | 第23页 |
| 2.2 系统总体结构与技术难点 | 第23-25页 |
| 2.3 硬件系统 | 第25-31页 |
| 2.3.1 硬件设计方案 | 第25-27页 |
| 2.3.2 DM6446结构 | 第27-30页 |
| 2.3.3 图像采集与显示设备 | 第30-31页 |
| 2.3.4 执行设备 | 第31页 |
| 2.4 软件系统 | 第31-35页 |
| 2.4.1 DVEVM的软件架构 | 第31-32页 |
| 2.4.2 Codec Engine框架分析 | 第32-34页 |
| 2.4.3 算法封装 | 第34-35页 |
| 2.5 本章小结 | 第35-36页 |
| 3 人脸识别算法 | 第36-53页 |
| 3.1 人脸检测算法 | 第36-43页 |
| 3.1.1 基于特征的人脸检测方法 | 第36-38页 |
| 3.1.2 基于图像的人脸检测方法 | 第38-40页 |
| 3.1.3 基于AdaBoost的方法 | 第40-43页 |
| 3.2 人脸图像预处理 | 第43-47页 |
| 3.2.1 图像灰度化与标准化 | 第43-45页 |
| 3.2.2 图像直方图均衡化 | 第45-46页 |
| 3.2.3 图像滤波 | 第46-47页 |
| 3.3 人脸识别算法 | 第47-52页 |
| 3.3.1 人脸识别算法介绍 | 第47-48页 |
| 3.3.2 基于LRC方法的人脸识别 | 第48-50页 |
| 3.3.3 LRC算法的改进 | 第50-52页 |
| 3.4 本章小结 | 第52-53页 |
| 4 算法与系统的实现 | 第53-78页 |
| 4.1 算法层的实现 | 第53-64页 |
| 4.1.1 人脸检测算法实现 | 第53-56页 |
| 4.1.2 人脸预处理算法实现 | 第56-62页 |
| 4.1.3 人脸识别算法实现 | 第62-64页 |
| 4.2 控制层的移植与开发 | 第64-74页 |
| 4.2.1 QT的安装与qt-embedded的移植 | 第65-68页 |
| 4.2.2 DM6446与F28027的通信 | 第68-69页 |
| 4.2.3 通信的QT程序与界面 | 第69-74页 |
| 4.3 门禁系统程序设计与运行 | 第74-77页 |
| 4.3.1 门禁系统的QT程序与界面 | 第74-75页 |
| 4.3.2 门禁系统运行效果 | 第75-77页 |
| 4.4 本章小结 | 第77-78页 |
| 5 总结与展望 | 第78-80页 |
| 5.1 总结 | 第78-79页 |
| 5.2 展望 | 第79-80页 |
| 参考文献 | 第80-84页 |
| 作者简历 | 第84页 |