| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第10-18页 |
| 1.1 开发背景 | 第10-12页 |
| 1.2 国内外研究现状 | 第12-16页 |
| 1.2.1 人脸识别国内外研究现状 | 第12-14页 |
| 1.2.2 语音识别国内外研究现状 | 第14-16页 |
| 1.3 主要研究内容 | 第16-17页 |
| 1.4 论文结构 | 第17-18页 |
| 第2章 相关技术介绍 | 第18-21页 |
| 2.1 Visual Studio 2010 简介 | 第18页 |
| 2.2 OpenCV简介 | 第18页 |
| 2.3 主成分分析 | 第18-19页 |
| 2.4 隐马尔科夫模型简介 | 第19页 |
| 2.5 概率神经网络简介 | 第19-20页 |
| 2.6 本章小结 | 第20-21页 |
| 第3章 人脸识别技术的研究与设计 | 第21-31页 |
| 3.1 人脸识别系统结构 | 第21-22页 |
| 3.2 人脸检测过程 | 第22-24页 |
| 3.3 人脸对齐过程 | 第24-27页 |
| 3.4 PCA过程 | 第27-29页 |
| 3.4.1 重塑人脸图像 | 第27-28页 |
| 3.4.2 计算协方差矩阵 | 第28-29页 |
| 3.4.3 计算主成分 | 第29页 |
| 3.5 人脸匹配 | 第29-30页 |
| 3.6 本章小结 | 第30-31页 |
| 第4章 语音识别技术的研究与设计 | 第31-46页 |
| 4.1 语音信号预处理 | 第31-37页 |
| 4.1.1 语音信号数字化 | 第32页 |
| 4.1.2 语音信号预加重 | 第32-33页 |
| 4.1.3 语音信号加窗分帧 | 第33-35页 |
| 4.1.4 语音信号端点检测 | 第35-37页 |
| 4.2 语音信号特征提取 | 第37-41页 |
| 4.2.1 线性预测倒谱系数 | 第37-39页 |
| 4.2.2 梅尔频率倒谱系数的提取 | 第39-41页 |
| 4.3 声学模型建立 | 第41-44页 |
| 4.3.1 基于隐马尔可夫模型的声学模型建立 | 第41-42页 |
| 4.3.2 基于概率神经网络的声学模型建立 | 第42-43页 |
| 4.3.3 基于混合模型的声学模型建立 | 第43-44页 |
| 4.4 语言模型建立 | 第44-45页 |
| 4.5 解码器 | 第45页 |
| 4.6 本章小结 | 第45-46页 |
| 第5章 实验与分析 | 第46-51页 |
| 5.1 人脸识别的实验与分析 | 第46-48页 |
| 5.1.1 人脸识别数据库的建立 | 第46页 |
| 5.1.2 人脸识别实验结果及给分析 | 第46-48页 |
| 5.2 语音识别的实验与分析 | 第48-50页 |
| 5.2.1 实验语音数据 | 第48页 |
| 5.2.2 语音识别技术实验验证 | 第48-50页 |
| 5.3 本章小结 | 第50-51页 |
| 结论 | 第51-52页 |
| 参考文献 | 第52-55页 |
| 致谢 | 第55页 |