面向智能家庭安防系统的人脸检测技术研究
| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第1章 绪论 | 第10-15页 |
| 1.1 课题背景 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-12页 |
| 1.2.1 家庭安防领域的发展现状 | 第11页 |
| 1.2.2 人脸检测方法的研究现状 | 第11-12页 |
| 1.3 课题的目的和实际意义 | 第12-14页 |
| 1.4 本文的研究内容及结构 | 第14-15页 |
| 第2章 人脸检测算法设计 | 第15-30页 |
| 2.1 引言 | 第15页 |
| 2.2 常用人脸检测方法 | 第15-17页 |
| 2.3 人脸检测算法框架 | 第17-18页 |
| 2.3.1 家庭安防环境特点分析 | 第17页 |
| 2.3.2 人脸检测算法流程 | 第17-18页 |
| 2.4 图像数据的特征提取 | 第18-20页 |
| 2.4.1 Haar 特征 | 第18-19页 |
| 2.4.2 积分图法 | 第19-20页 |
| 2.5 分类器的设计思路 | 第20-25页 |
| 2.5.1 弱分类器 | 第21-22页 |
| 2.5.2 强分类器 | 第22-23页 |
| 2.5.3 级联分类器 | 第23-24页 |
| 2.5.4 Boosting 算法 | 第24-25页 |
| 2.5.5 AdaBoost 算法 | 第25页 |
| 2.6 人脸检测算法方案 | 第25-28页 |
| 2.6.1 训练过程 | 第26-28页 |
| 2.6.2 检测过程 | 第28页 |
| 2.7 本章小结 | 第28-30页 |
| 第3章 人脸检测系统实现 | 第30-46页 |
| 3.1 引言 | 第30页 |
| 3.2 家庭安防系统介绍 | 第30-31页 |
| 3.2.1 硬件平台 | 第30-31页 |
| 3.2.2 软件平台 | 第31页 |
| 3.3 人脸检测系统平台搭建 | 第31-35页 |
| 3.3.1 交叉编译环境 | 第31-32页 |
| 3.3.2 Linux 视频编程框架 | 第32-34页 |
| 3.3.3 开源视觉库 OpenCV | 第34-35页 |
| 3.4 人脸检测主程序结构 | 第35-36页 |
| 3.5 采集模块 | 第36-40页 |
| 3.5.1 图像采集 | 第36-37页 |
| 3.5.2 视频采集 | 第37-38页 |
| 3.5.3 准备训练样本 | 第38-40页 |
| 3.6 训练模块 | 第40-44页 |
| 3.6.1 训练弱分类器 | 第40-41页 |
| 3.6.2 训练强分类器 | 第41-43页 |
| 3.6.3 训练级联分类器 | 第43-44页 |
| 3.7 检测模块 | 第44-45页 |
| 3.8 本章小结 | 第45-46页 |
| 第4章 系统测试研究与改进 | 第46-57页 |
| 4.1 引言 | 第46页 |
| 4.2 功能测试 | 第46-47页 |
| 4.3 性能测试标准 | 第47页 |
| 4.4 分类器参数优化研究 | 第47-50页 |
| 4.4.1 训练样本数量的影响 | 第47-48页 |
| 4.4.2 正负样本比例的影响 | 第48-49页 |
| 4.4.3 每层强分类器中弱分类器数量的影响 | 第49-50页 |
| 4.5 仰角图像性能研究 | 第50-51页 |
| 4.6 对人脸检测系统的改进 | 第51-55页 |
| 4.6.1 针对嵌入式计算能力的改进 | 第51-53页 |
| 4.6.2 Haar 特征数量的改进 | 第53-54页 |
| 4.6.3 级联分类器训练过程的改进 | 第54-55页 |
| 4.7 本章小结 | 第55-57页 |
| 结论 | 第57-59页 |
| 参考文献 | 第59-64页 |
| 致谢 | 第64页 |
