| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 第一章 绪论 | 第13-19页 |
| 1.1 研究背景及意义 | 第13-14页 |
| 1.2 国内外研究现状 | 第14-16页 |
| 1.2.1 国外的人脸识别研究发展现状 | 第14-16页 |
| 1.2.2 国内的人脸识别研究发展现状 | 第16页 |
| 1.3 论文的研究内容 | 第16-17页 |
| 1.4 论文的组织结构 | 第17-19页 |
| 第二章 基于Haar特征和Adaboost的人脸检测 | 第19-27页 |
| 2.1 引言 | 第19页 |
| 2.2 矩形特征Haar | 第19-21页 |
| 2.2.1 Haar特征定义和模板 | 第19-20页 |
| 2.2.2 积分图 | 第20-21页 |
| 2.3 Adaboost训练部分 | 第21-24页 |
| 2.3.1 弱分类器训练 | 第21-22页 |
| 2.3.2 强分类器构造 | 第22-23页 |
| 2.3.3 级联分类器 | 第23-24页 |
| 2.4 人脸检测试验结果 | 第24-26页 |
| 2.5 本章小结 | 第26-27页 |
| 第三章 人脸预处理算法 | 第27-40页 |
| 3.1 引言 | 第27页 |
| 3.2 常用的人脸预处理算法 | 第27-31页 |
| 3.2.1 直方图均衡化HE | 第27-28页 |
| 3.2.2 MSR | 第28-30页 |
| 3.2.3 中值滤波 | 第30-31页 |
| 3.3 本文人脸预处理算法 | 第31-35页 |
| 3.3.1 Gamma校正 | 第31-32页 |
| 3.3.2 高斯差分DoG | 第32-33页 |
| 3.3.3 灰度拉伸 | 第33-34页 |
| 3.3.4 对比度均衡化 | 第34-35页 |
| 3.4 人脸预处理算法步骤与实验结果 | 第35-39页 |
| 3.4.1 人脸预处理流程 | 第35页 |
| 3.4.2 实验结果与分析 | 第35-39页 |
| 3.5 本章小结 | 第39-40页 |
| 第四章 基于局部幅度三值模式的人脸识别 | 第40-55页 |
| 4.1 引言 | 第40页 |
| 4.2 局部二值模式LBP | 第40-46页 |
| 4.2.1 基本局部二值模式 | 第40-42页 |
| 4.2.2 旋转不变性 | 第42-43页 |
| 4.2.3 等价模式 | 第43-44页 |
| 4.2.4 基于LBP的人脸特征 | 第44-45页 |
| 4.2.5 人脸直方图相似度测量 | 第45-46页 |
| 4.3 局部三值模式LTP | 第46-48页 |
| 4.3.1 LTP算子 | 第46-47页 |
| 4.3.2 基于LTP算子的人脸特征提取 | 第47-48页 |
| 4.4 LMTP算子的提取和人脸特征的表示 | 第48-51页 |
| 4.4.1 局部幅度三值模式LMTP | 第48-50页 |
| 4.4.2 LMTP和LTP人脸的特征提取和表示 | 第50-51页 |
| 4.5 实验结果与分析 | 第51-54页 |
| 4.5.1 在ORL人脸数据库上的实验 | 第51-53页 |
| 4.5.2 在AR和FERET人脸数据库上的实验 | 第53-54页 |
| 4.5.3 预处理对识别结果的影响 | 第54页 |
| 4.6 本章小结 | 第54-55页 |
| 第五章 面向视频的人脸识别系统的设计 | 第55-63页 |
| 5.1 引言 | 第55页 |
| 5.2 系统的软硬件平台介绍 | 第55-56页 |
| 5.2.1 硬件支持 | 第55页 |
| 5.2.2 软件平台 | 第55-56页 |
| 5.3 人脸识别系统的设计 | 第56-59页 |
| 5.3.1 人脸识别系统的结构和流程 | 第56-57页 |
| 5.3.2 人脸检测模块 | 第57-58页 |
| 5.3.3 人脸预处理模块 | 第58页 |
| 5.3.4 特征的提取模块 | 第58页 |
| 5.3.5 人脸识别模块 | 第58-59页 |
| 5.4 系统的效果与性能分析 | 第59-62页 |
| 5.4.1 系统的运行效果 | 第59-62页 |
| 5.4.2 性能分析 | 第62页 |
| 5.5 本章小结 | 第62-63页 |
| 总结与展望 | 第63-65页 |
| 参考文献 | 第65-71页 |
| 攻读学位期间发表的论文 | 第71-73页 |
| 致谢 | 第73页 |