| 中文摘要 | 第3-4页 |
| Abstract | 第4-5页 |
| 第一章 绪论 | 第8-14页 |
| 1.1 研究背景及意义 | 第8页 |
| 1.2 人脸识别技术概述 | 第8-13页 |
| 1.2.1 人脸检测与识别国内外研究现状 | 第8-9页 |
| 1.2.2 人脸识别的流程 | 第9-10页 |
| 1.2.3 人脸识别算法概述 | 第10-12页 |
| 1.2.4 人脸识别技术的应用与挑战 | 第12-13页 |
| 1.3 本文的主要研究内容 | 第13-14页 |
| 第二章 人脸图像光照预处理 | 第14-19页 |
| 2.1 人脸图像光照预处理算法概述 | 第14-15页 |
| 2.2 基于Retinex理论的光照处理算法原理 | 第15-16页 |
| 2.2.1 朗伯光照模型 | 第15页 |
| 2.2.2 Retinex理论 | 第15-16页 |
| 2.3 基于Retinex理论的光照不变特征提取 | 第16-18页 |
| 2.4 本章小结 | 第18-19页 |
| 第三章 基于AdaBoost的人脸检测 | 第19-37页 |
| 3.1 人脸的Haar-like特征表示 | 第19-24页 |
| 3.1.1 Haar-like特征 | 第19-21页 |
| 3.1.2 积分图像 | 第21-22页 |
| 3.1.3 人脸Haar-like特征的特征值计算 | 第22-24页 |
| 3.2 AdaBoost算法原理 | 第24-26页 |
| 3.2.1 构建弱分类器 | 第24-25页 |
| 3.2.2 构建强分类器 | 第25-26页 |
| 3.2.3 构建级联分类器 | 第26页 |
| 3.3 改进光照下的AdaBoost人脸检测 | 第26-30页 |
| 3.4 基于AdaBoost算法的人眼定位 | 第30-33页 |
| 3.5 针对视频序列的AdaBoost算法优化 | 第33-36页 |
| 3.6 本章小结 | 第36-37页 |
| 第四章 基于LBP的人脸识别 | 第37-55页 |
| 4.1 LBP算法原理 | 第37-42页 |
| 4.1.1 基本LBP算子 | 第38-40页 |
| 4.1.2 统一局部二值模式 | 第40-42页 |
| 4.2 分块加权的LBP纹理描述算法 | 第42-43页 |
| 4.3 LBP直方图相似度计算 | 第43-44页 |
| 4.4 最近邻分类器 | 第44-45页 |
| 4.5 改进的分块加权LBP纹理描述算法 | 第45-49页 |
| 4.6 人脸识别算法在PC上的实验和分析 | 第49-54页 |
| 4.7 本章小结 | 第54-55页 |
| 第五章 人脸识别在Android平台的实现和应用 | 第55-68页 |
| 5.1 Android平台简介 | 第55-59页 |
| 5.1.1 Android发展历程 | 第56-57页 |
| 5.1.2 Android系统架构 | 第57-58页 |
| 5.1.3 Android JNI技术 | 第58-59页 |
| 5.2 人脸识别系统在Android中的移植 | 第59-62页 |
| 5.2.1 系统总体设计 | 第59-60页 |
| 5.2.2 功能模块设计 | 第60-62页 |
| 5.3 基于人脸识别的Android用户权限管理 | 第62-64页 |
| 5.4 系统运行结果与分析 | 第64-67页 |
| 5.5 本章小结 | 第67-68页 |
| 总结与展望 | 第68-70页 |
| 参考文献 | 第70-74页 |
| 致谢 | 第74-75页 |
| 个人简历 | 第75-76页 |
| 攻读硕士期间的研究成果及发表的学术论文 | 第76页 |