基于Android平台身份证识别系统的设计与实现
| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第10-14页 |
| 1.1 课题背景及意义 | 第10页 |
| 1.2 国内外研究现状 | 第10-12页 |
| 1.2.1 身份证识别研究现状 | 第10-11页 |
| 1.2.2 光学字符识别研究现状 | 第11-12页 |
| 1.2.3 人脸识别研究现状 | 第12页 |
| 1.3 本文研究内容 | 第12-13页 |
| 1.4 本文组织结构 | 第13-14页 |
| 第2章 身份证图像处理 | 第14-22页 |
| 2.1 图像处理 | 第14-18页 |
| 2.1.1 灰度化 | 第14-15页 |
| 2.1.2 二值化 | 第15-16页 |
| 2.1.3 膨胀 | 第16-17页 |
| 2.1.4 顶帽 | 第17页 |
| 2.1.5 去噪 | 第17-18页 |
| 2.2 图像变换 | 第18-20页 |
| 2.2.1 边缘检测 | 第18-19页 |
| 2.2.2 倾斜角检测 | 第19-20页 |
| 2.2.3 直方图均衡化 | 第20页 |
| 2.3 本章小结 | 第20-22页 |
| 第3章 身份证区域定位及字符识别 | 第22-34页 |
| 3.1 基于Opencv的区域定位算法 | 第22-25页 |
| 3.1.1 身份证区域定位 | 第22-23页 |
| 3.1.2 身份证信息区域定位 | 第23-25页 |
| 3.2 基于像素跳变的方块字分割算法 | 第25-27页 |
| 3.3 字库制作 | 第27页 |
| 3.4 字符识别 | 第27-30页 |
| 3.4.1 传统的字符识别 | 第27-28页 |
| 3.4.2 基于Tesseract的字符识别 | 第28-30页 |
| 3.5 实验仿真研究 | 第30-33页 |
| 3.5.1 实验设置 | 第30页 |
| 3.5.2 实验结果与分析 | 第30-33页 |
| 3.6 本章小结 | 第33-34页 |
| 第4章 身份证人脸识别 | 第34-47页 |
| 4.1 人脸检测 | 第34-36页 |
| 4.1.1 Adaboost算法概述 | 第34页 |
| 4.1.2 Haar特征 | 第34-35页 |
| 4.1.3 MB-LBP特征 | 第35-36页 |
| 4.2 人脸几何归一化 | 第36-37页 |
| 4.3 人脸特征提取及度量 | 第37-41页 |
| 4.3.1 圆形LBP特征 | 第37-39页 |
| 4.3.2 卷积神经网络 | 第39-40页 |
| 4.3.3 欧氏距离 | 第40-41页 |
| 4.4 基于分块LBP-CNN的人脸识别 | 第41-42页 |
| 4.5 实验仿真研究 | 第42-46页 |
| 4.5.1 实验设置 | 第42页 |
| 4.5.2 实验结果与分析 | 第42-46页 |
| 4.6 本章小结 | 第46-47页 |
| 第5章 系统的设计与实现 | 第47-58页 |
| 5.1 应用程序开发环境 | 第47-50页 |
| 5.1.1 应用程序开发工具 | 第47页 |
| 5.1.2 Android系统架构介绍 | 第47-48页 |
| 5.1.3 Android JNI | 第48-49页 |
| 5.1.4 软件设计模型 | 第49-50页 |
| 5.2 身份证识别系统设计与实现 | 第50-57页 |
| 5.2.1 功能模块设计 | 第51页 |
| 5.2.2 图像采集模块 | 第51-54页 |
| 5.2.3 字符识别模块 | 第54-55页 |
| 5.2.4 人脸识别模块 | 第55-57页 |
| 5.3 本章小结 | 第57-58页 |
| 结论 | 第58-60页 |
| 参考文献 | 第60-64页 |
| 致谢 | 第64页 |
