基于OpenCV的实时人脸识别系统研究与实现
| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第1章 绪论 | 第9-14页 |
| 1.1 选题背景及意义 | 第9-10页 |
| 1.2 国内外研究现状及发展动态 | 第10-12页 |
| 1.2.1 人脸检测技术的发展及研究现状 | 第10-11页 |
| 1.2.2 人脸跟踪技术的发展及研究现状 | 第11-12页 |
| 1.2.3 人脸识别技术的发展及研究现状 | 第12页 |
| 1.3 本文研究工作概述 | 第12-14页 |
| 第2章 系统框架设计 | 第14-18页 |
| 2.1 Open CV简介及在本系统中的应用 | 第14-15页 |
| 2.2 人脸识别基本流程 | 第15页 |
| 2.3 多任务决策融合编程架构 | 第15-17页 |
| 2.4 本章小结 | 第17-18页 |
| 第3章 人脸检测模块 | 第18-32页 |
| 3.1 Haar分类器 | 第18-24页 |
| 3.1.1 Haar分类器概述 | 第18-19页 |
| 3.1.2 Haar-like特征与积分图 | 第19-21页 |
| 3.1.3 基于Ada Boost算法的分类器 | 第21-23页 |
| 3.1.4 强分类器级联 | 第23-24页 |
| 3.2 Haar分类器检测效率 | 第24-27页 |
| 3.3 人脸检测算法实现 | 第27-28页 |
| 3.4 人脸肤色验证 | 第28-31页 |
| 3.5 本章小结 | 第31-32页 |
| 第4章 人脸跟踪模块 | 第32-47页 |
| 4.1 Camshift算法 | 第32-35页 |
| 4.1.1 原理及简介 | 第32-33页 |
| 4.1.2 跟踪应用及效果 | 第33-35页 |
| 4.2 金字塔LK光流法 | 第35-41页 |
| 4.2.1 原理及简介 | 第35-37页 |
| 4.2.2 跟踪应用及效果 | 第37-41页 |
| 4.3 ASM算法 | 第41-45页 |
| 4.3.1 原理及简介 | 第41-43页 |
| 4.3.2 跟踪应用及效果 | 第43-45页 |
| 4.4 人脸跟踪算法实现 | 第45-46页 |
| 4.5 本章小结 | 第46-47页 |
| 第5章 人脸识别模块 | 第47-60页 |
| 5.1 常见人脸识别算法 | 第47-53页 |
| 5.1.1 Eigenfaces算法 | 第47-49页 |
| 5.1.2 Fisherfaces算法 | 第49-51页 |
| 5.1.3 LBPHFaces算法 | 第51-53页 |
| 5.2 人脸预处理 | 第53-57页 |
| 5.2.1 人眼定位 | 第53-54页 |
| 5.2.2 人脸对齐 | 第54-55页 |
| 5.2.3 光照补偿 | 第55-56页 |
| 5.2.4 平滑处理和椭圆掩码 | 第56-57页 |
| 5.3 人脸识别算法实现 | 第57-59页 |
| 5.3.1 人脸训练 | 第57-58页 |
| 5.3.2 人脸识别 | 第58-59页 |
| 5.4 本章小结 | 第59-60页 |
| 第6章 人脸实时识别系统实现 | 第60-68页 |
| 6.1 主要功能描述 | 第60-65页 |
| 6.1.1 人脸数据库 | 第60-62页 |
| 6.1.2 人脸采集 | 第62-63页 |
| 6.1.3 其它系统功能 | 第63-65页 |
| 6.2 视频下多人脸检测、跟踪与识别试验 | 第65-67页 |
| 6.3 本章小结 | 第67-68页 |
| 第7章 结论与展望 | 第68-69页 |
| 参考文献 | 第69-73页 |
| 致谢 | 第73页 |
