基于嵌入式的人脸识别系统设计
| 摘要 | 第1-6页 |
| 英文摘要 | 第6-9页 |
| 1 绪论 | 第9-15页 |
| ·引言 | 第9-10页 |
| ·本文的目的及意义 | 第10-13页 |
| ·国内外研究情况 | 第13-14页 |
| ·本文主要工作 | 第14-15页 |
| 2 数字图像预处理 | 第15-26页 |
| ·图像增强 | 第15-17页 |
| ·图像复原 | 第17-20页 |
| ·图像退化 | 第17-18页 |
| ·图像邻域中值滤波 | 第18-19页 |
| ·图像邻域均值滤波 | 第19-20页 |
| ·图像质量评价 | 第20-22页 |
| ·实验结果分析 | 第22-25页 |
| ·本章小结 | 第25-26页 |
| 3 人脸检测 | 第26-35页 |
| ·人脸检测方法 | 第26-27页 |
| ·肤色分割原理 | 第27-28页 |
| ·ADABOOST 原理 | 第28-34页 |
| ·Haar 特征 | 第29-30页 |
| ·积分图像 | 第30-32页 |
| ·级联分类器 | 第32-33页 |
| ·实验结果 | 第33-34页 |
| ·本章小结 | 第34-35页 |
| 4 人脸特征提取 | 第35-46页 |
| ·人脸特征提取概述 | 第35-36页 |
| ·特征提取方法 | 第36-41页 |
| ·基于欧式距离度量的特征提取 | 第36-38页 |
| ·主成份分析法 | 第38-40页 |
| ·FISHER 线性判断特征提取法 | 第40-41页 |
| ·非线性人脸特征提取 | 第41-45页 |
| ·人工神经网络 | 第41页 |
| ·人工神经网络模型 | 第41-45页 |
| ·本章小结 | 第45-46页 |
| 5 人脸识别 | 第46-50页 |
| ·最近邻法 | 第46页 |
| ·线性分类器 | 第46-48页 |
| ·线性决策函数 | 第47页 |
| ·贝叶斯分类原理 | 第47-48页 |
| ·神经网络分类器 | 第48-49页 |
| ·本章小结 | 第49-50页 |
| 6 人脸识别系统实现 | 第50-64页 |
| ·嵌入式系统 | 第50-53页 |
| ·嵌入式系统概述 | 第50-51页 |
| ·嵌入式系统开发流程 | 第51-53页 |
| ·人脸识别系统构建 | 第53-56页 |
| ·人脸识别系统硬件平台搭建 | 第53-54页 |
| ·嵌入式操作系统 | 第54-56页 |
| ·人脸识别应用程序开发 | 第56-63页 |
| ·OPENCV 嵌入式移植 | 第56-61页 |
| ·人脸识别应用程序设计 | 第61-63页 |
| ·本章小结 | 第63-64页 |
| 总结与展望 | 第64-65页 |
| 参考文献 | 第65-68页 |
| 附录 | 第68-71页 |
| 致谢 | 第71-72页 |
| 攻读学位期间发表的学术论文和参加科研情况说明 | 第72-73页 |
