| 摘要 | 第5-7页 |
| ABSTRACT | 第7-8页 |
| 第一章 绪论 | 第12-23页 |
| 1.1 课题研究背景与意义 | 第12-13页 |
| 1.2 国内外研究现状 | 第13-18页 |
| 1.2.1 人脸识别的研究进程 | 第13-14页 |
| 1.2.2 人脸识别技术存在的难点 | 第14-15页 |
| 1.2.3 光照变化问题的研究现状 | 第15-18页 |
| 1.3 自动人脸识别系统的介绍 | 第18-20页 |
| 1.4 本文主要研究工作 | 第20-21页 |
| 1.5 本文章节的安排 | 第21-23页 |
| 第二章 基于人脸对称性及自商图像的人脸识别算法 | 第23-38页 |
| 2.1 图像预处理 | 第23-26页 |
| 2.1.1 小波变换 | 第23-25页 |
| 2.1.2 直方图均衡化 | 第25-26页 |
| 2.2 自商图像理论 | 第26-28页 |
| 2.2.1 商图像 | 第26-27页 |
| 2.2.2 Retinex模型 | 第27页 |
| 2.2.3 自商图像 | 第27-28页 |
| 2.3 人脸对称性 | 第28-30页 |
| 2.4 基于人脸对称性的自商图像改进算法 | 第30-31页 |
| 2.5 主成分分析法PCA | 第31-32页 |
| 2.6 支持向量机 | 第32-35页 |
| 2.6.1 线性可分最优分类 | 第32-34页 |
| 2.6.2 线性不可分最优分类 | 第34-35页 |
| 2.6.3 多类样本的最优分类 | 第35页 |
| 2.7 实验设计及结果分析 | 第35-37页 |
| 2.8 本章小结 | 第37-38页 |
| 第三章 基于自适应加权的HOG特征的人脸识别算法 | 第38-46页 |
| 3.1 HOG特征的描述 | 第38页 |
| 3.2 HOG特征的提取 | 第38-40页 |
| 3.3 改进型AW-HOG特征的提取 | 第40-41页 |
| 3.3.1 图像分块 | 第40-41页 |
| 3.3.2 自适应加权系数的选择 | 第41页 |
| 3.3.3 生成AW-HOG特征 | 第41页 |
| 3.4 基于AW-HOG特征的人脸识别系统设计 | 第41-43页 |
| 3.5 基于AW-HOG特征的分块实验及结果分析 | 第43-44页 |
| 3.5.1 Yale B人脸库实验及结果分析 | 第43-44页 |
| 3.5.2 AR人脸库实验及结果分析 | 第44页 |
| 3.6 多特征对比实验设计及结果分析 | 第44-45页 |
| 3.7 本章小结 | 第45-46页 |
| 第四章 人脸识别门禁系统的设计与实现 | 第46-62页 |
| 4.1 系统开发平台的介绍 | 第46-47页 |
| 4.1.1 QT的介绍 | 第46页 |
| 4.1.2 Open CV的介绍 | 第46-47页 |
| 4.1.3 SQLite数据库系统的介绍 | 第47页 |
| 4.2 系统总体框架的设计 | 第47-50页 |
| 4.3 人脸识别门禁系统的模块的介绍及相关算法的分析 | 第50-56页 |
| 4.3.1 人脸检测与追踪 | 第50-52页 |
| 4.3.2 人脸图像预处理 | 第52-54页 |
| 4.3.3 特征提取 | 第54-55页 |
| 4.3.4 分类识别 | 第55-56页 |
| 4.4 人脸识别门禁系统的功能介绍及分析 | 第56-60页 |
| 4.4.1 门禁系统的登录界面 | 第56页 |
| 4.4.2 门禁系统主界面 | 第56-57页 |
| 4.4.3 门禁系统访客注册界面 | 第57-60页 |
| 4.4.4 门禁系统识别结果输出界面 | 第60页 |
| 4.5 系统性能分析 | 第60-61页 |
| 4.6 本章小结 | 第61-62页 |
| 第五章 总结与展望 | 第62-64页 |
| 5.1 本文总结 | 第62-63页 |
| 5.2 工作展望 | 第63-64页 |
| 参考文献 | 第64-69页 |
| 攻读学位期间的研究成果目录 | 第69-70页 |
| 致谢 | 第70页 |