摘要 | 第4-5页 |
Abstract | 第5-6页 |
1 绪论 | 第10-16页 |
1.1 选题背景和研究意义 | 第10-12页 |
1.2 现有人脸识别技术的应用发展动态 | 第12-13页 |
1.2.1 PC端和互联网的应用发展动态 | 第12-13页 |
1.2.2 移动智能终端应用发展动态 | 第13页 |
1.3 本文的主要工作 | 第13-14页 |
1.4 本文的内容结构 | 第14-16页 |
2 人脸识别相关技术研究 | 第16-26页 |
2.1 人脸图像光照处理方法介绍 | 第16-18页 |
2.1.1 直方图均衡化 | 第17页 |
2.1.2 直方图规定化 | 第17-18页 |
2.1.3 Gamma灰度校正方法 | 第18页 |
2.2 人脸特征提取方法介绍 | 第18-20页 |
2.2.1 基于局部特征的方法 | 第19页 |
2.2.2 基于整体的方法 | 第19-20页 |
2.3 人脸验证系统性能评价标准 | 第20-21页 |
2.4 人脸数据库 | 第21-25页 |
2.4.1 国内外常用人脸数据库 | 第21-24页 |
2.4.2 本文所用数据库 | 第24-25页 |
2.5 本章小结 | 第25-26页 |
3 图像光照处理方法和人脸特征提取方法的组合研究 | 第26-46页 |
3.1 直方图均衡化与LBP纹理特征的组合 | 第26-32页 |
3.1.1 LBP纹理特征 | 第26-29页 |
3.1.2 Extended Yale B人脸库验证实验 | 第29-30页 |
3.1.3 AR人脸库验证实验 | 第30-31页 |
3.1.4 实验结果分析 | 第31-32页 |
3.2 基于离散余弦变换的光照处理方法与LBP特征的组合 | 第32-37页 |
3.2.1 基于离散余弦变换的方法 | 第32-35页 |
3.2.2 公共库上实验结果及其分析 | 第35-37页 |
3.3 基于离散余弦变化的光照处理方法与Eigenface特征的组合 | 第37-40页 |
3.3.1 Eigenface | 第37-38页 |
3.3.2 Extended Yale B人脸库验证实验 | 第38-39页 |
3.3.3 AR人脸库验证实验 | 第39-40页 |
3.3.4 实验结果分析 | 第40页 |
3.4 基于离散余弦变化的光照处理方法与Eigenface特征的组合 | 第40-44页 |
3.4.1 Fisherface | 第40-42页 |
3.4.2 Extended Yale B人脸库验证实验 | 第42-43页 |
3.4.3 AR人脸库验证实验 | 第43-44页 |
3.4.4 实验结果分析 | 第44页 |
3.5 本章小结 | 第44-46页 |
4 系统的总体框架设计与开发环境介绍 | 第46-54页 |
4.1 移动互联网的介绍与分析 | 第46页 |
4.2 系统基本框架 | 第46-47页 |
4.3 系统功能模块分布 | 第47-49页 |
4.4 系统结构特点分析 | 第49页 |
4.5 手机平台的选择与开发环境的搭建 | 第49-53页 |
4.5.1 手机平台的比较和选择 | 第49-51页 |
4.5.2 Android平台的介绍 | 第51-52页 |
4.5.3 Android平台开发坏境的搭建 | 第52页 |
4.5.4 OpenCV介绍 | 第52-53页 |
4.6 本章小结 | 第53-54页 |
5 基于Android平台的远程人脸验证系统实现 | 第54-64页 |
5.1 手机端流程图 | 第54页 |
5.2 人脸检测及人眼定位 | 第54-55页 |
5.3 图像预处理与人脸特征提取 | 第55-57页 |
5.3.1 几何归一化 | 第55-56页 |
5.3.2 人脸图像灰度化 | 第56-57页 |
5.3.3 基于离散余弦变换的人脸图像光照处理与图像Fisherface特征提取 | 第57页 |
5.4 加密模块的设计与实现 | 第57-59页 |
5.4.1 数据加密的必要性及相关技术 | 第57-58页 |
5.4.2 AES算法 | 第58-59页 |
5.5 通信模块的设计与实现 | 第59-61页 |
5.5.1 手机端和服务器的通信流程 | 第59-60页 |
5.5.2 通信方式的实现 | 第60-61页 |
5.6 服务器总体流程图 | 第61页 |
5.7 系统运行情况及实验室数据库测试结果 | 第61-63页 |
5.8 本章小结 | 第63-64页 |
6 总结与展望 | 第64-66页 |
参考文献 | 第66-70页 |
攻读学位期间主要的研究成果目录 | 第70-72页 |
致谢 | 第72页 |