| 摘要 | 第1-4页 |
| Abstract | 第4-7页 |
| 第一章 绪论 | 第7-13页 |
| ·论文研究背景及意义 | 第7-9页 |
| ·人脸识别技术的意义 | 第7-8页 |
| ·人脸识别技术在移动终端中的应用意义 | 第8-9页 |
| ·论文相关技术发展现状 | 第9-11页 |
| ·人脸识别技术发展现状 | 第9-10页 |
| ·移动设备人脸识别技术现状 | 第10-11页 |
| ·论文的主要内容和工作安排 | 第11-13页 |
| 第二章 Android 操作系统架构研究 | 第13-19页 |
| ·Android 操作系统介绍 | 第13页 |
| ·Android 系统架构的研究 | 第13-15页 |
| ·Android 应用程序开发研究 | 第15-16页 |
| ·Android 系统中 JNI 开发研究 | 第16-18页 |
| ·搭建应用程序开发环境搭建 | 第18-19页 |
| 第三章 人脸检测及特征提取相关理论 | 第19-29页 |
| ·人脸图像检测的基本原理 | 第19-20页 |
| ·人脸图像的预处理 | 第20-22页 |
| ·图像的灰度归一化 | 第20-21页 |
| ·图像的几何归一化 | 第21-22页 |
| ·基于 Haar-like 特征的人脸检测方法 | 第22-27页 |
| ·基于 Haar-like 人脸检测介绍 | 第22页 |
| ·人脸类的 Haar 特征 | 第22-23页 |
| ·积分图与特征计算 | 第23-24页 |
| ·AdaBoost 分类器 | 第24-26页 |
| ·层叠分类器 | 第26-27页 |
| ·人脸检测 | 第27-29页 |
| 第四章 基于子空间的人脸图像识别方法 | 第29-45页 |
| ·人脸识别主要研究方法 | 第29-33页 |
| ·主成分分析方法 | 第29-30页 |
| ·线性判别方法 | 第30页 |
| ·基于隐马尔可夫模型（HMM）方法 | 第30-32页 |
| ·基于神经网络的方法 | 第32-33页 |
| ·基于主成分分析(PCA)的人脸图像识别 | 第33-42页 |
| ·K-L 变换 | 第33-35页 |
| ·PCA 算法基本原理 | 第35-36页 |
| ·分析特征向量的选取 | 第36-37页 |
| ·识别过程中距离函数的选择 | 第37-38页 |
| ·利用 PCA 方法进行人脸识别 | 第38-42页 |
| ·实验结果与分析 | 第42-45页 |
| 第五章 人脸检测与识别在 Android 系统中实现 | 第45-63页 |
| ·基于人脸识别的身份验证系统设计 | 第45-46页 |
| ·人脸检测与识别算法在 Android 系统中的移植 | 第46-57页 |
| ·搭建 Android JNI 开发环境 | 第46页 |
| ·Java 端代码的设计 | 第46-51页 |
| ·使用 JNI 实现本地代码 | 第51-55页 |
| ·脚本文件编写及共享库生成 | 第55-57页 |
| ·人脸检测与识别算法在 Android 系统结果分析 | 第57-63页 |
| ·基于 Android 系统人脸检测与识别软件使用方法 | 第57-59页 |
| ·软件自然场景下人脸识别测试 | 第59-61页 |
| ·在 Android 系统中对人脸识别率测试 | 第61-62页 |
| ·在 Android 系统中对人脸检测与识别工作效率测试 | 第62页 |
| ·软件 Android 平台下实验总结 | 第62-63页 |
| 第六章 总结与展望 | 第63-65页 |
| ·论文工作总结 | 第63页 |
| ·对未来工作的展望 | 第63-65页 |
| 致谢 | 第65-67页 |
| 参考文献 | 第67-71页 |
| 攻读学位期间取得的研究成果 | 第71-72页 |
