| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第一章 绪论 | 第9-25页 |
| 1.1 课题的研究背景 | 第9-11页 |
| 1.1.1 研究的目的和意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-12页 |
| 1.3 相关算法的概述 | 第12-23页 |
| 1.3.1 背景建模技术的发展 | 第13-15页 |
| 1.3.2 混合高斯背景建模 | 第15-17页 |
| 1.3.3 帧差法运动检测 | 第17-18页 |
| 1.3.4 Haar特征 | 第18-19页 |
| 1.3.5 LBP特征 | 第19-21页 |
| 1.3.6 Adaboost级联分类器 | 第21-23页 |
| 1.4 课题研究内容及结构安排 | 第23-25页 |
| 第二章 伪装人脸检测和识别算法的实现流程 | 第25-57页 |
| 2.1 定位人体位置 | 第25-26页 |
| 2.1.1 运动目标的检测 | 第25-26页 |
| 2.1.2 三帧差法 | 第26页 |
| 2.2 人脸定位 | 第26-31页 |
| 2.3 肤色分割 | 第31-33页 |
| 2.3.1 颜色空间 | 第31-33页 |
| 2.3.2 颜色空间的选取 | 第33页 |
| 2.4 墨镜伪装识别 | 第33-50页 |
| 2.4.1 预处理 | 第33-41页 |
| 2.4.2 图像几何不变矩特征的提取 | 第41-44页 |
| 2.4.3 神经网络算法的训练及识别 | 第44-48页 |
| 2.4.4 实验结果分析 | 第48-49页 |
| 2.4.5 BP神经网络中影响识别率的因素 | 第49-50页 |
| 2.5 口罩伪装人脸的检测 | 第50-54页 |
| 2.6 伪装人脸的识别 | 第54-57页 |
| 第三章 算法的软硬件实现和结果的分析 | 第57-71页 |
| 3.1 硬件平台的选择 | 第57-59页 |
| 3.1.1 NXP i.MX6 Quad的概述 | 第58页 |
| 3.1.2 i.MX6 Quad主要的技术参数 | 第58-59页 |
| 3.2 i.MX6 Quad开发板中的Yocto系统 | 第59-60页 |
| 3.3 系统应用软件的设计 | 第60-63页 |
| 3.3.1 软件系统设计思路 | 第60页 |
| 3.3.2 视频的实时监控和图像预处理模块的设计 | 第60-61页 |
| 3.3.3 人脸伪装检测的设计 | 第61-63页 |
| 3.3.4 GUI部分的设计 | 第63页 |
| 3.4 实验测试 | 第63-71页 |
| 第四章 算法基于GPU的加速 | 第71-83页 |
| 4.1 i.MX6的GPU架构 | 第71-72页 |
| 4.1.1 GPU型号 | 第71页 |
| 4.1.2 GC2000硬件架构 | 第71-72页 |
| 4.2 Vivante GPU的图形API | 第72-73页 |
| 4.2.1 OpenGL ES简介 | 第72-73页 |
| 4.2.2 EGL简介 | 第73页 |
| 4.3 Vivante GPU的软件框架 | 第73-74页 |
| 4.4 GPU的资源分配 | 第74-75页 |
| 4.5 GPU对于Adaboost级联分类器算法的优化 | 第75-83页 |
| 4.5.1 对于Haar特征积分图的优化 | 第75-79页 |
| 4.5.2 对于Adaboost级联分类器的优化 | 第79-80页 |
| 4.5.3 负载不均衡问题 | 第80-82页 |
| 4.5.4 优化后的检测结果 | 第82-83页 |
| 第五章 总结与展望 | 第83-85页 |
| 参考文献 | 第85-89页 |
| 硕士期间发表论文和参加科研情况 | 第89-91页 |
| 致谢 | 第91页 |