基于ARM架构的嵌入式人脸识别技术研究
| 中文摘要 | 第1-9页 |
| Abstract | 第9-12页 |
| 目录 | 第12-17页 |
| 图表目录 | 第17-20页 |
| 第一章 绪论 | 第20-41页 |
| ·生物特征识别技术 | 第20-24页 |
| ·人脸识别 | 第21-22页 |
| ·指纹识别 | 第22页 |
| ·虹膜识别 | 第22-23页 |
| ·掌纹识别 | 第23页 |
| ·人耳识别 | 第23-24页 |
| ·基因(DNA)识别 | 第24页 |
| ·生物特征识别技术的发展趋势 | 第24-25页 |
| ·自动人脸识别技术 | 第25-27页 |
| ·人脸识别研究的意义 | 第27页 |
| ·人脸识别研究的历史与现状 | 第27-30页 |
| ·人脸识别研究简史 | 第28-29页 |
| ·国内研究现状 | 第29-30页 |
| ·国内外常用人脸图像数据库 | 第30-32页 |
| ·本文主要工作及组织结构 | 第32-37页 |
| ·主要创新点 | 第32-35页 |
| ·本文的组织结构 | 第35-37页 |
| 参考文献 | 第37-41页 |
| 第二章 人脸检测和人眼定位 | 第41-72页 |
| ·引言 | 第41页 |
| ·人脸检测方法 | 第41-45页 |
| ·基于先验知识的人脸检测法 | 第42-43页 |
| ·基于模板匹配的人脸检测法 | 第43页 |
| ·基于机器学习的人脸检测法 | 第43-45页 |
| ·类Haar人脸检测法 | 第45页 |
| ·Haar函数及Haar变换 | 第45-49页 |
| ·Haar函数系定义 | 第46页 |
| ·Haar变换 | 第46页 |
| ·人脸Haar特征提取 | 第46-48页 |
| ·人脸类Haar特征快速算法 | 第48-49页 |
| ·基于Haar的人脸检测算法 | 第49-57页 |
| ·简单分类器 | 第50页 |
| ·强分类器 | 第50-52页 |
| ·级联强分类器 | 第52-53页 |
| ·分类器训练 | 第53-55页 |
| ·基于Haar特征肤色模型的人脸检测 | 第55-57页 |
| ·人脸检测效果图 | 第57页 |
| ·人眼检测与瞳孔定位 | 第57-66页 |
| ·传统的人眼检测方法 | 第57-59页 |
| ·基于人脸约束的实时人眼检测 | 第59-64页 |
| ·人眼检测与瞳孔定位效果图 | 第64-66页 |
| ·图像几何归一化 | 第66-67页 |
| ·本章小结 | 第67-68页 |
| 参考文献 | 第68-72页 |
| 第三章 基于线性判别子空间的人脸识别 | 第72-86页 |
| ·引言 | 第72页 |
| ·主分量分析法 | 第72-78页 |
| ·主分量分析法(PCA) | 第72-75页 |
| ·核主分量分析(KPCA) | 第75-78页 |
| ·线性判别分析法 | 第78-84页 |
| ·Fisher鉴别准则 | 第79-80页 |
| ·线性判别分析中的小样本问题 | 第80-82页 |
| ·自适应线性判别分析 | 第82-84页 |
| ·实验结果 | 第84页 |
| ·本章小结 | 第84页 |
| 参考文献 | 第84-86页 |
| 第四章 Gabor滤波器与人脸Gabor特征提取 | 第86-99页 |
| ·引言 | 第86页 |
| ·二维Gabor变换 | 第86-88页 |
| ·Gabor核函数的参数选择 | 第88-91页 |
| ·参数的选择 | 第88-89页 |
| ·参数的意义 | 第89-91页 |
| ·二维Gabor滤波器的图像响应特性 | 第91-93页 |
| ·边缘响应特性 | 第91-92页 |
| ·位置响应特性 | 第92-93页 |
| ·Gabor特征提取 | 第93-97页 |
| ·人脸Gabor特征提取 | 第93-94页 |
| ·人脸有效区域Gabor特征抽取算法 | 第94-97页 |
| ·本章小结 | 第97-98页 |
| 参考文献 | 第98-99页 |
| 第五章 基于支持向量机的人脸识别 | 第99-126页 |
| ·引言 | 第99页 |
| ·统计学习理论 | 第99-101页 |
| ·期望风险最小化准则 | 第99-100页 |
| ·经验风险最小化准则 | 第100页 |
| ·结构风险最小化准则 | 第100-101页 |
| ·支持向量机基本理论 | 第101-107页 |
| ·最优分类超平面 | 第101-102页 |
| ·线性分类情况 | 第102-105页 |
| ·非线性支持向量 | 第105-106页 |
| ·核函数 | 第106-107页 |
| ·多类分类支持向量机 | 第107-111页 |
| ·一对多分类 | 第108-109页 |
| ·一对一分类 | 第109-110页 |
| ·有向无环图分类策略 | 第110-111页 |
| ·支持向量机训练算法 | 第111-114页 |
| ·块算法 | 第111-112页 |
| ·分解算法 | 第112页 |
| ·序贯最小优化算法 | 第112-114页 |
| ·识别性能比对 | 第114-123页 |
| ·测试人脸库 | 第114-115页 |
| ·距离度量方法 | 第115-116页 |
| ·人脸识别方案设计 | 第116-119页 |
| ·实验结果及分析 | 第119-123页 |
| ·本章小结 | 第123页 |
| 参考文献 | 第123-126页 |
| 第六章 嵌入式自动人脸识别系统设计 | 第126-169页 |
| ·引言 | 第126-127页 |
| ·嵌入式操作系统 | 第127-129页 |
| ·嵌入式操作系统的特点 | 第127-128页 |
| ·Microsoft CE | 第128-129页 |
| ·硬件平台介绍 | 第129-132页 |
| ·PXA270微处理器: | 第129-130页 |
| ·ARM开发平台 | 第130-132页 |
| ·嵌入式人脸识别系统设计 | 第132-135页 |
| ·核心算法的选择 | 第132-133页 |
| ·系统工作环境 | 第133-134页 |
| ·成像设备的选择 | 第134页 |
| ·训练集的构建 | 第134-135页 |
| ·嵌入式人脸识别系统实现 | 第135-146页 |
| ·基于视频的嵌入式自动人脸识别 | 第135-142页 |
| ·嵌入式静态人像照片比对 | 第142-145页 |
| ·嵌入式远距离的人脸识别方案 | 第145-146页 |
| ·软件开发平台的选择 | 第146-148页 |
| ·宿主机软件开发平台选择 | 第146-147页 |
| ·目标机软件开发平台选择 | 第147-148页 |
| ·部分实现代码 | 第148-167页 |
| ·自适应判别分析(R-LDA)实现类 | 第148-162页 |
| ·人脸和人眼遮照模板 | 第162-164页 |
| ·瞳孔定位 | 第164-167页 |
| ·本章小结 | 第167页 |
| 参考文献 | 第167-169页 |
| 第七章 总结与展望 | 第169-173页 |
| ·论文的主要研究内容和结论 | 第169-171页 |
| ·进一步研究的展望 | 第171-173页 |
| 攻读博士学位期间的主要科研工作 | 第173-174页 |
| 致谢 | 第174页 |
