| 摘要 | 第4-5页 |
| ABSTRACT | 第5页 |
| 第一章 绪论 | 第8-15页 |
| 1.1 人脸识别简介 | 第8-11页 |
| 1.1.1 生物特征识别技术 | 第8-9页 |
| 1.1.2 人脸识别技术 | 第9-11页 |
| 1.2 人脸识别的研究意义 | 第11页 |
| 1.3 国内外研究现状 | 第11-12页 |
| 1.4 基于视频的人脸识别技术面对的挑战 | 第12-13页 |
| 1.5 本文研究内容和结构安排 | 第13-15页 |
| 1.5.1 本文研究内容 | 第13-14页 |
| 1.5.2 本文结构安排 | 第14-15页 |
| 第二章 视频的关键帧提取算法 | 第15-23页 |
| 2.1 总体系统框架 | 第15-16页 |
| 2.2 关键帧提取技术简介 | 第16页 |
| 2.3 颜色空间概述 | 第16-17页 |
| 2.4 颜色直方图理论 | 第17-19页 |
| 2.4.1 从 RGB 到 HSV 空间的转换 | 第17-18页 |
| 2.4.2 颜色空间量化 | 第18-19页 |
| 2.4.3 颜色直方图 | 第19页 |
| 2.5 基于颜色直方图的关键帧提取算法 | 第19-21页 |
| 2.6 实验结果 | 第21-22页 |
| 2.7 本章小结 | 第22-23页 |
| 第三章 人脸检测技术和预处理 | 第23-32页 |
| 3.1 人脸检测技术综述 | 第23-25页 |
| 3.2 基于 Adaboost 算法的人脸检测方法 | 第25-28页 |
| 3.2.1 矩形特征与积分图 | 第25-26页 |
| 3.2.2 Adaboost 算法的基本原理 | 第26-28页 |
| 3.2.3 训练样本的选择 | 第28页 |
| 3.3 人脸图像预处理 | 第28-30页 |
| 3.3.1 图像去噪处理 | 第29页 |
| 3.3.2 图像归一化处理 | 第29-30页 |
| 3.4 人脸检测算法结果对比与分析 | 第30-31页 |
| 3.5 本章小结 | 第31-32页 |
| 第四章 基于关键帧信息融合的视频人脸识别方法 | 第32-44页 |
| 4.1 压缩感知理论 | 第32-34页 |
| 4.2 压缩感知人脸识别的研究现状 | 第34页 |
| 4.3 静态压缩感知人脸识别方法 | 第34-35页 |
| 4.4 采用多帧信息融合的改进方法 | 第35-36页 |
| 4.5 实验仿真 | 第36-43页 |
| 4.5.1 常用视频人脸数据库 | 第36-39页 |
| 4.5.2 OpenCV 和 Matlab 简介 | 第39-40页 |
| 4.5.3 系统组成及实验步骤 | 第40-41页 |
| 4.5.4 结果分析 | 第41-43页 |
| 4.5.5 问题讨论 | 第43页 |
| 4.6 本章小结 | 第43-44页 |
| 第五章 总结与展望 | 第44-46页 |
| 5.1 工作总结 | 第44页 |
| 5.2 研究展望 | 第44-46页 |
| 参考文献 | 第46-50页 |
| 发表论文和参加科研情况说明 | 第50-51页 |
| 致谢 | 第51页 |