| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第1章 绪论 | 第8-13页 |
| 1.1 课题研究的背景及意义 | 第8-9页 |
| 1.2 人脸识别研究状况 | 第9页 |
| 1.3 人脸识别技术应用现状 | 第9-10页 |
| 1.4 主要研究内容 | 第10-11页 |
| 1.5 结构安排 | 第11-12页 |
| 1.6 本章小结 | 第12-13页 |
| 第2章 技术平台和环境配置 | 第13-21页 |
| 2.1 OpenCV概述 | 第13页 |
| 2.2 OpenCV的主要模块和数据类型 | 第13-14页 |
| 2.2.1 OpenCV的主要模块 | 第13-14页 |
| 2.2.2 OpenCV中主要数据类型 | 第14页 |
| 2.3 OpenCV配置 | 第14-15页 |
| 2.4 JavaCV配置 | 第15-20页 |
| 2.4.1 Eclipse简介 | 第15页 |
| 2.4.2 环境配置 | 第15-20页 |
| 2.5 本章小结 | 第20-21页 |
| 第3章 人脸检测 | 第21-39页 |
| 3.1 图像预处理 | 第21-24页 |
| 3.1.1 图像光照补强 | 第21-23页 |
| 3.1.2 滤波处理 | 第23-24页 |
| 3.2 基于肤色的人脸检测 | 第24-29页 |
| 3.2.1 色彩空间 | 第24-25页 |
| 3.2.2 肤色区域分割 | 第25页 |
| 3.2.3 形态学处理 | 第25-27页 |
| 3.2.4 人脸区域筛选 | 第27页 |
| 3.2.5 实验结果分析及总结 | 第27-29页 |
| 3.3 基于Adaboost算法人脸检测 | 第29-34页 |
| 3.3.1 Haar特征和积分图 | 第29-31页 |
| 3.3.2 Adaboost算法介绍 | 第31-33页 |
| 3.3.3 实验结果分析及总结 | 第33-34页 |
| 3.4 基于肤色和Adaboost相结合人脸检测 | 第34-37页 |
| 3.4.1 基于肤色和Adaboost算法的优劣势比较 | 第34页 |
| 3.4.2 本文人脸检测算法设计 | 第34-35页 |
| 3.4.3 实验结果及分析 | 第35-37页 |
| 3.5 本章小结 | 第37-39页 |
| 第4章 基于PCA人脸识别 | 第39-46页 |
| 4.1 引言 | 第39页 |
| 4.2 PCA方法基本思想 | 第39页 |
| 4.3 K-L变换 | 第39-41页 |
| 4.4 基于PCA人脸识别流程 | 第41-42页 |
| 4.4.1 训练样本的特征脸提取 | 第41-42页 |
| 4.4.2 基于特征脸的人脸识别 | 第42页 |
| 4.5 实验结果及分析 | 第42-45页 |
| 4.6 本章小结 | 第45-46页 |
| 第5章 基于视频的人脸识别系统设计与实现 | 第46-52页 |
| 5.1 人脸识别系统设计 | 第46-47页 |
| 5.1.1 系统开发流程 | 第46-47页 |
| 5.1.2 系统开发环境 | 第47页 |
| 5.2 人脸识别系统实现 | 第47页 |
| 5.2.1 公寓学生数据库建立 | 第47页 |
| 5.2.2 系统界面设计 | 第47页 |
| 5.3 人脸识别系统效果检测与分析 | 第47-50页 |
| 5.4 本章小结 | 第50-52页 |
| 第6章 总结与展望 | 第52-54页 |
| 参考文献 | 第54-57页 |
| 致谢 | 第57页 |