| 摘要 | 第1-7页 |
| Abstract | 第7-11页 |
| 第1章 绪论 | 第11-18页 |
| ·研究人脸检测技术的意义 | 第11-14页 |
| ·人脸检测的现状 | 第11-12页 |
| ·国内外发展概况及发展前景 | 第12-14页 |
| ·人脸识别的国内外研究现状 | 第14-15页 |
| ·FPGA 应用在人脸识别中的优势 | 第15-16页 |
| ·本文的主要研究内容及技术路线 | 第16-18页 |
| 第2章 人脸检测技术的基本原理 | 第18-34页 |
| ·人脸检测技术的基本原理和基本理论 | 第18页 |
| ·人脸检测的方法 | 第18-26页 |
| ·基于知识的人脸检测 | 第19-20页 |
| ·基于特征的人脸检测 | 第20-21页 |
| ·基于模板的人脸检测 | 第21-22页 |
| ·基于统计模型的检测方法 | 第22-23页 |
| ·人工神经网络的检测方法 | 第23页 |
| ·示例学习的人脸检测方法 | 第23-24页 |
| ·基于隐马尔科夫模型的方法 | 第24-25页 |
| ·基于 Adaboost 的方法 | 第25-26页 |
| ·Adaboost 算法原理 | 第26-33页 |
| ·Haar-like 特征与积分图 | 第26-30页 |
| ·弱分类器 | 第30-31页 |
| ·由 Adaboost 生成的强分类器 | 第31-32页 |
| ·级联分类器 | 第32-33页 |
| ·本章小结 | 第33-34页 |
| 第3章 基于 FPGA 人脸识别系统的设计 | 第34-49页 |
| ·系统的整体设计思路 | 第34-38页 |
| ·预处理与人脸检测定位 | 第35-36页 |
| ·检测流程 | 第36页 |
| ·最终处理 | 第36-38页 |
| ·硬件实现方法 | 第38页 |
| ·软件实现方法 | 第38-48页 |
| ·粒子滤波算法 | 第38-40页 |
| ·基于 Adaboost 算法的人脸检测方法的改进 | 第40-43页 |
| ·级联分类器的训练及优化 | 第43-47页 |
| ·Adaboost+粒子滤波算法 | 第47-48页 |
| ·本章小结 | 第48-49页 |
| 第4章 系统软硬件协同设计 | 第49-61页 |
| ·开发板简介 | 第49-50页 |
| ·开发板辅助介绍 | 第50-55页 |
| ·ISE 介绍 | 第50-51页 |
| ·EDK 介绍 | 第51-52页 |
| ·Power PC 处理器 | 第52-54页 |
| ·CoreConnect 总线 | 第54-55页 |
| ·软硬件协同设计 | 第55-60页 |
| ·软硬件划分 | 第55-56页 |
| ·人脸检测系统的软硬件设计框架 | 第56页 |
| ·算法的移植及软件优化 | 第56-57页 |
| ·算法的速度瓶颈的分析 | 第57-58页 |
| ·硬件加速模块设计 | 第58-60页 |
| ·本章小结 | 第60-61页 |
| 第5章 实验与结论 | 第61-66页 |
| ·人脸识别结果的评价标准 | 第61-62页 |
| ·系统的测试 | 第62-64页 |
| ·实验结果与分析 | 第64-65页 |
| ·本章小结 | 第65-66页 |
| 结论 | 第66-68页 |
| 参考文献 | 第68-72页 |
| 攻读硕士学位期间承担的科研任务与主要成果 | 第72-73页 |
| 致谢 | 第73-74页 |
| 作者简介 | 第74页 |