基于视频流的人脸检测识别系统研究
| 摘要 | 第1-4页 |
| ABSTRACT | 第4-8页 |
| 1 绪论 | 第8-14页 |
| ·课题研究的背景及意义 | 第8-10页 |
| ·国内外研究动态 | 第10-11页 |
| ·论文研究内容及章节安排 | 第11-14页 |
| ·论文研究内容 | 第11-12页 |
| ·论文章节安排 | 第12-14页 |
| 2 视频图像处理 | 第14-22页 |
| ·视频流图像提取 | 第14-15页 |
| ·图像预处理 | 第15-19页 |
| ·灰度归一化 | 第15-16页 |
| ·光照归一化 | 第16-18页 |
| ·尺度归一化 | 第18-19页 |
| ·人脸噪声滤波 | 第19-21页 |
| ·本章小结 | 第21-22页 |
| 3 基于AdaBoost算法的人脸检测 | 第22-34页 |
| ·人脸检测方法分类 | 第22-23页 |
| ·AdaBoost算法原理 | 第23-28页 |
| ·Haar特征计算 | 第24-26页 |
| ·训练分类器 | 第26-27页 |
| ·级联分类器 | 第27-28页 |
| ·人脸检测实现 | 第28-32页 |
| ·分类器合成 | 第29-30页 |
| ·检测过程 | 第30-31页 |
| ·检测速率优化 | 第31-32页 |
| ·检测率优化 | 第32页 |
| ·检测结果分析 | 第32-33页 |
| ·本章小结 | 第33-34页 |
| 4 人脸特征提取及识别 | 第34-53页 |
| ·人脸识别方法分类 | 第34-35页 |
| ·LBP特征提取算法 | 第35-41页 |
| ·基本LBP算子 | 第35-38页 |
| ·LBP算子的特点 | 第38-41页 |
| ·LBP特征提取算法的改进 | 第41-48页 |
| ·θ-LBP算子 | 第41-42页 |
| ·ε-LBP算子 | 第42-43页 |
| ·d-LBP算子 | 第43-45页 |
| ·d-LBP人脸特征降维 | 第45-48页 |
| ·基于分块的d-LBP人脸特征提取 | 第48-49页 |
| ·最近邻分类器识别 | 第49页 |
| ·d-LBP算法性能分析 | 第49-52页 |
| ·本章小结 | 第52-53页 |
| 5 视频流人脸检测识别系统实现 | 第53-63页 |
| ·开发环境 | 第53页 |
| ·人脸检测识别系统总体设计 | 第53-54页 |
| ·人脸检测识别系统模块实现 | 第54-60页 |
| ·人脸检测识别系统测试 | 第60-62页 |
| ·人脸检测率测试 | 第60-61页 |
| ·人脸识别速率测试 | 第61页 |
| ·人脸识别率测试 | 第61-62页 |
| ·本章小结 | 第62-63页 |
| 6 总结与展望 | 第63-65页 |
| ·工作总结 | 第63页 |
| ·未来展望 | 第63-65页 |
| 致谢 | 第65-66页 |
| 参考文献 | 第66-69页 |
| 附录 | 第69页 |
