| 摘要 | 第1-6页 |
| Abstract | 第6-7页 |
| 致谢 | 第7-12页 |
| 第一章 绪论 | 第12-17页 |
| ·人脸识别技术的现状和意义 | 第12-13页 |
| ·智能汽车防盗技术发展和现状 | 第13-15页 |
| ·人脸识别在汽车防盗上的应用前景 | 第15-16页 |
| ·本文研究的内容及重点 | 第16-17页 |
| 第二章 人脸图像预处理技术 | 第17-23页 |
| ·数字图像处理技术概述 | 第17页 |
| ·数字图像常见的格式 | 第17-18页 |
| ·人脸图像预处理技术 | 第18-22页 |
| ·光线补偿 | 第18页 |
| ·灰度变化 | 第18页 |
| ·人脸图像高斯平滑滤波 | 第18-21页 |
| ·图像二值化 | 第21-22页 |
| ·人脸图像预处理结果 | 第22-23页 |
| 第三章 基于DM6446 的人脸识别系统的硬件设计 | 第23-37页 |
| ·基于人脸识别的汽车防盗系统总体框图 | 第23-24页 |
| ·基于 DM6446 的人脸图像采集平台的设计 | 第24-37页 |
| ·VCM6446 介绍 | 第26-27页 |
| ·DM6446-ARM 子系统 | 第27-29页 |
| ·DM6446-DSP 子系统 | 第29-31页 |
| ·双处理器的协同工作 | 第31-32页 |
| ·图像采集平台视频子系统 | 第32-37页 |
| ·图像编解码芯片介绍 | 第33-34页 |
| ·图像采集前端模块(VPFE) | 第34-35页 |
| ·图像后端模块(VPBE) | 第35-37页 |
| 第四章 基于Adaboost算法的人脸检测的研究 | 第37-46页 |
| ·图像矩形特征与积分图值 | 第37-40页 |
| ·人脸图像矩形特征 | 第37-38页 |
| ·积分图值与特征值计算 | 第38-40页 |
| ·Adaboost训练算法介绍 | 第40-42页 |
| ·弱分类器特性 | 第40-41页 |
| ·强分类器特性 | 第41-42页 |
| ·级联分类器特性 | 第42-43页 |
| ·人脸检测过程 | 第43-46页 |
| 第五章 基于PCA 的人脸识别算法的研究 | 第46-54页 |
| ·引言 | 第46页 |
| ·PCA 的理论基础 | 第46-50页 |
| ·投影向量 | 第46-47页 |
| ·PCA 的作用及其统计特性 | 第47-48页 |
| ·特征脸 | 第48-49页 |
| ·奇异值分解（SVD） | 第49页 |
| ·利用小矩阵计算大矩阵特征向量 | 第49页 |
| ·图片归一化 | 第49-50页 |
| ·用 PCA 算法进行人脸识别 | 第50-54页 |
| ·PCA 算法简介 | 第50-51页 |
| ·基于特征脸的人脸识别算法 | 第51-54页 |
| ·建立人脸特征模板 | 第51-53页 |
| ·人脸图像识别过程 | 第53-54页 |
| 第六章 人脸识别软件设计 | 第54-67页 |
| ·引言 | 第54页 |
| ·人脸识别软件详细设计 | 第54-58页 |
| ·人脸检测软件详细设计 | 第55-56页 |
| ·人脸识别软件详细设计 | 第56-58页 |
| ·人脸识别软件实现与实验结果 | 第58-65页 |
| ·OPENCV 安装 | 第59-61页 |
| ·人脸检测软件实现 | 第61-63页 |
| ·视频类的构建 | 第61页 |
| ·人脸图像处理类的构建 | 第61-62页 |
| ·人脸检测的结果 | 第62-63页 |
| ·人脸识别软件的实现与结果 | 第63-65页 |
| ·人脸识别软件的移植 | 第65-67页 |
| 第七章 总结与展望 | 第67-68页 |
| 参考文献 | 第68-71页 |
| 硕士阶段撰写的论文 | 第71-72页 |
| 附件一 | 第72-73页 |
| 附件二 | 第73-74页 |
| 附件三 | 第74-76页 |