| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 目录 | 第8-11页 |
| 插图索引 | 第11-13页 |
| 附表索引 | 第13-14页 |
| 第1章 绪论 | 第14-19页 |
| 1.1 本文研究背景及意义 | 第14-16页 |
| 1.2 研究内容 | 第16-17页 |
| 1.3 本文主要工作 | 第17页 |
| 1.4 本文结构 | 第17-19页 |
| 第2章 相关研究综述 | 第19-28页 |
| 2.1 前言 | 第19页 |
| 2.2 人脸识别概述 | 第19-23页 |
| 2.2.1 人脸识别的研究内容 | 第20-22页 |
| 2.2.2 人脸识别的特点 | 第22页 |
| 2.2.3 人脸识别的难点和发展趋势 | 第22-23页 |
| 2.3 人脸识别中的光照预处理问题 | 第23-25页 |
| 2.3.1 人脸识别中光照变化的影响 | 第24页 |
| 2.3.2 光照预处理的方法 | 第24-25页 |
| 2.4 大规模人脸识别问题 | 第25-26页 |
| 2.4.1 大规模人脸图像检索方法 | 第26页 |
| 2.5 移动环境下人脸识别的特点 | 第26-27页 |
| 2.6 小结 | 第27-28页 |
| 第3章 基于传感器数据的移动环境下光照预处理方法 | 第28-42页 |
| 3.1 前言 | 第28页 |
| 3.2 相关研究 | 第28-30页 |
| 3.2.1 背景和意义 | 第28-29页 |
| 3.2.2 相关理论依据 | 第29-30页 |
| 3.3 GAMMA 强度矫正方法 | 第30页 |
| 3.4 加速的移动环境下 GAMMA 强度矫正算法 | 第30-32页 |
| 3.4.1 Gamma 强度矫正算法的时间复杂度 | 第30-31页 |
| 3.4.2 移动 Gamma 强度矫正 | 第31-32页 |
| 3.4.3 算法性能分析 | 第32页 |
| 3.5 移动人脸图像数据库 | 第32-37页 |
| 3.5.1 数据库的标准 | 第32-33页 |
| 3.5.2 数据库的基本情况 | 第33-34页 |
| 3.5.3 基准测试协议 | 第34-35页 |
| 3.5.4 基准测试结果与结论 | 第35-37页 |
| 3.6 实验结果分析 | 第37-40页 |
| 3.6.1 人脸数据库 | 第37-38页 |
| 3.6.2 分类器 | 第38页 |
| 3.6.3 运行时环境 | 第38-39页 |
| 3.6.4 实验结果 | 第39-40页 |
| 3.7 小结 | 第40-42页 |
| 第4章 基于聚类算法的大规模人脸识别 | 第42-55页 |
| 4.1 前言 | 第42页 |
| 4.2 视觉物联网 | 第42页 |
| 4.3 视觉物联网框架下的大规模人脸识别 | 第42-51页 |
| 4.3.1 视觉物联网人脸识别系统 | 第43页 |
| 4.3.2 大规模问题的分析 | 第43-46页 |
| 4.3.3 方法和系统实现 | 第46-50页 |
| 4.3.4 改进方法 | 第50-51页 |
| 4.4 实验结果与分析 | 第51-54页 |
| 4.4.1 单张注册图片测试 | 第51-52页 |
| 4.4.2 多张注册图片测试 | 第52-54页 |
| 4.5 小结 | 第54-55页 |
| 第5章 基于 Android 平台的大规模人脸识别系统实现 | 第55-61页 |
| 5.1 引言 | 第55页 |
| 5.2 ANDROID 平台简介 | 第55-56页 |
| 5.3 系统整体设计 | 第56-57页 |
| 5.3.1 1：1 人脸验证 | 第56页 |
| 5.3.2 1：N 人脸识别 | 第56-57页 |
| 5.4 ANDROID 客户端系统 | 第57-59页 |
| 5.4.1 拍照识别 | 第57-58页 |
| 5.4.2 视频监控识别 | 第58页 |
| 5.4.3 离线识别 | 第58-59页 |
| 5.5 小结 | 第59-61页 |
| 结论 | 第61-64页 |
| 参考文献 | 第64-68页 |
| 致谢 | 第68-69页 |
| 附录A 攻读硕士期间发表的论文目录 | 第69-70页 |
| 附录B 攻读学位期间参加的科研项目 | 第70页 |