基于Open CV的银行职员人脸识别研究与实现
| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 1 绪论 | 第9-18页 |
| 1.1 课题研究背景和意义 | 第9-11页 |
| 1.1.1 研究背景 | 第9-10页 |
| 1.1.2 研究意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-14页 |
| 1.3 人脸识别的主要方法 | 第14-16页 |
| 1.4 论文的组织与安排 | 第16-17页 |
| 1.5 本章小结 | 第17-18页 |
| 2 系统平台构建及相关技术介绍 | 第18-22页 |
| 2.1 系统平台功能构建设计 | 第18页 |
| 2.2 视频图像采集及相关技术 | 第18-19页 |
| 2.3 计算机视觉处理软件平台OpenCV简介 | 第19-21页 |
| 2.3.1 OpenCV的特点 | 第20页 |
| 2.3.2 OpenCV的功能 | 第20-21页 |
| 2.4 本章小结 | 第21-22页 |
| 3 人脸识别的预处理技术 | 第22-26页 |
| 3.1 基于肤色特征的人脸识别预处理技术 | 第22-25页 |
| 3.1.1 色彩空间 | 第22页 |
| 3.1.2 对图像进行预处理 | 第22-23页 |
| 3.1.3 人脸肤色建模 | 第23-25页 |
| 3.1.4 人脸检测区域选定 | 第25页 |
| 3.2 本章小结 | 第25-26页 |
| 4 人脸识别算法研究 | 第26-37页 |
| 4.1 主分量分析(PCA) | 第26-29页 |
| 4.1.1 基于主分量分析理论基础 | 第26-27页 |
| 4.1.2 主分量分析方法 | 第27-28页 |
| 4.1.3 基于主分量分析的人脸特征提取 | 第28-29页 |
| 4.2 支持向量机(SVM) | 第29-31页 |
| 4.2.1 样本空间线性可分 | 第29-30页 |
| 4.2.2 样本空间线性不可分 | 第30-31页 |
| 4.3 LSHADE优化 | 第31-34页 |
| 4.3.1 基于历史记忆库分配控制参数 | 第31-32页 |
| 4.3.2 产生试验向量 | 第32页 |
| 4.3.3 下一代的生存 | 第32-33页 |
| 4.3.4 外部存档 | 第33页 |
| 4.3.5 更新历史记忆库 | 第33-34页 |
| 4.3.6 种群线性下降(LPSR) | 第34页 |
| 4.4 实验结果 | 第34-36页 |
| 4.5 本章小结 | 第36-37页 |
| 5 银行职员人脸识别系统设计与实现 | 第37-44页 |
| 5.1 功能设计 | 第37-38页 |
| 5.2 模块设计 | 第38-39页 |
| 5.3 硬件与相关接口设计 | 第39-43页 |
| 5.3.1 微控制器 | 第39页 |
| 5.3.2 网络摄像头 | 第39-41页 |
| 5.3.3 MiCO移植 | 第41-42页 |
| 5.3.4 MiCO接口 | 第42-43页 |
| 5.4 系统实现 | 第43页 |
| 5.5 本章小结 | 第43-44页 |
| 6 系统测试 | 第44-46页 |
| 7 总结和展望 | 第46-48页 |
| 致谢 | 第48-49页 |
| 参考文献 | 第49-52页 |
| 个人简历、在学期间发表的学术论文及取得的研究成果 | 第52页 |
