| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第一章 绪论 | 第9-15页 |
| 1.1 课题的研究背景及其意义 | 第9-11页 |
| 1.1.1 人脸识别的研究背景 | 第9页 |
| 1.1.2 人脸识别的研究意义 | 第9-11页 |
| 1.2 人脸识别技术概况 | 第11-13页 |
| 1.2.1 国外研究现状 | 第11-12页 |
| 1.2.2 国内研究现状 | 第12-13页 |
| 1.3 论文组织结构 | 第13-15页 |
| 第二章 人脸图像的检测算法 | 第15-27页 |
| 2.1 基于Adaboost的人脸检测算法 | 第15-18页 |
| 2.1.1 基于Adaboost的人脸检测算法 | 第15-16页 |
| 2.1.2 Haar特征 | 第16-17页 |
| 2.1.3 积分图 | 第17-18页 |
| 2.2 基于HOG-SVM的人脸检测算法 | 第18-24页 |
| 2.2.1 HOG特征 | 第18-19页 |
| 2.2.2 支持向量机 | 第19-24页 |
| 2.3 两种人脸检测效果对比 | 第24-25页 |
| 2.4 本章小结 | 第25-27页 |
| 第三章 基于图像特征的人脸识别算法 | 第27-45页 |
| 3.1 图像预处理方法 | 第27-30页 |
| 3.1.1 常用人脸库简介 | 第27-28页 |
| 3.1.2 同态滤波 | 第28-29页 |
| 3.1.3 Gamma灰度校正 | 第29-30页 |
| 3.2 特征脸方法Eigenface | 第30-32页 |
| 3.3 Fisherface方法 | 第32-35页 |
| 3.4 基于LBP的人脸识别方法 | 第35-40页 |
| 3.4.1 基本LBP算子 | 第36页 |
| 3.4.2 圆形LBP算子 | 第36-37页 |
| 3.4.3 旋转不变LBP算子 | 第37-38页 |
| 3.4.4 统一LBP算子 | 第38-39页 |
| 3.4.5 识别流程 | 第39-40页 |
| 3.5 算法特性和结果分析 | 第40-43页 |
| 3.5.1 正确率分析 | 第40-42页 |
| 3.5.2 时间分析 | 第42-43页 |
| 3.6 本章小结 | 第43-45页 |
| 第四章 基于智能门禁系统的算法改进 | 第45-59页 |
| 4.1 三种算法正负样本混合统计 | 第45-48页 |
| 4.2 基于LBP-Eigenface与LBP-Fisherface的人脸识别算法 | 第48-57页 |
| 4.2.1 欧氏距离分布统计 | 第48-54页 |
| 4.2.2 各种组合算法的性能比较 | 第54-57页 |
| 4.3 本章小结 | 第57-59页 |
| 第五章 总结和展望 | 第59-61页 |
| 5.1 工作总结 | 第59页 |
| 5.2 有待解决的问题 | 第59-60页 |
| 5.3 人脸识别的前景展望 | 第60-61页 |
| 致谢 | 第61-63页 |
| 参考文献 | 第63-67页 |
| 作者简介 | 第67页 |