| 摘要 | 第4-5页 |
| ABSTRACT | 第5页 |
| 1 前言 | 第9-20页 |
| 1.1 课题研究的背景及意义 | 第9-11页 |
| 1.2 人脸识别概述 | 第11-18页 |
| 1.2.1 人脸识别国内外研究现状 | 第11-13页 |
| 1.2.2 人脸识别技术难点 | 第13-16页 |
| 1.2.3 常用人脸数据库 | 第16-17页 |
| 1.2.4 人脸识别中的评测指标 | 第17-18页 |
| 1.3 本文的主要内容 | 第18-20页 |
| 2 图像预处理 | 第20-29页 |
| 2.1 输入图像预处理 | 第20-24页 |
| 2.1.1 图像灰度化 | 第20-21页 |
| 2.1.2 图像滤波 | 第21-23页 |
| 2.1.3 图像直方图均衡化 | 第23-24页 |
| 2.2 人脸图像归一化处理 | 第24-28页 |
| 2.2.1 人脸图像旋转校正 | 第24-27页 |
| 2.2.2 人脸图像缩放校正 | 第27-28页 |
| 2.3 本章小结 | 第28-29页 |
| 3 人脸检测 | 第29-40页 |
| 3.1 人脸检测算法简述 | 第29页 |
| 3.2 PICO人脸检测算法 | 第29-34页 |
| 3.2.1 PICO算法基本思想 | 第29-30页 |
| 3.2.2 PICO算法实验效果 | 第30-34页 |
| 3.3 改进的PICO人脸检测算法 | 第34-39页 |
| 3.3.1 改进的PICO算法基本思想 | 第34-35页 |
| 3.3.2 改进的PICO算法实验效果 | 第35-39页 |
| 3.4 本章小结 | 第39-40页 |
| 4 人脸识别 | 第40-52页 |
| 4.1 基于PCANet的人脸特征提取 | 第40-45页 |
| 4.1.1 主成分分析PCA算法思想 | 第40-41页 |
| 4.1.2 深度学习基本思想 | 第41-43页 |
| 4.1.3 简化的深度学习网络PCANet | 第43-45页 |
| 4.2 基于支持向量机的分类器 | 第45-51页 |
| 4.2.1 常用分类器简述 | 第45-47页 |
| 4.2.2 基于支持向量机的人脸分类 | 第47-51页 |
| 4.3 本章小结 | 第51-52页 |
| 5 人脸属性识别与人脸活体检测 | 第52-58页 |
| 5.1 人脸性别识别 | 第52-53页 |
| 5.2 人脸识别活体检测 | 第53-57页 |
| 5.2.1 人脸识别活体检测简述 | 第53-54页 |
| 5.2.2 基于交互动作的活体检测设计 | 第54-56页 |
| 5.2.3 基于游戏互动的人脸活体检测 | 第56-57页 |
| 5.3 本章小结 | 第57-58页 |
| 6 开发环境与系统实现 | 第58-64页 |
| 6.1 系统硬件环境 | 第58页 |
| 6.2 系统软件环境 | 第58-59页 |
| 6.2.1 集成开发环境Visual Studio 2010 | 第58页 |
| 6.2.2 开源计算机视觉库OpenCV | 第58页 |
| 6.2.3 图形用户界面开发框架Qt | 第58页 |
| 6.2.4 字体库FreeType | 第58-59页 |
| 6.2.5 编译软件CMake | 第59页 |
| 6.2.6 多线程运算加速库OpenMP | 第59页 |
| 6.3 系统实现与运行 | 第59-63页 |
| 6.3.1 系统登录 | 第59-60页 |
| 6.3.2 系统主界面 | 第60-61页 |
| 6.3.3 人脸检测实现 | 第61页 |
| 6.3.4 人脸识别实现 | 第61-62页 |
| 6.3.5 性别识别实现 | 第62页 |
| 6.3.6 活体检测实现 | 第62-63页 |
| 6.4 本章小结 | 第63-64页 |
| 7 总结与展望 | 第64-66页 |
| 8 参考文献 | 第66-71页 |
| 9 攻读硕士学位期间发表论文情况 | 第71-72页 |
| 10 致谢 | 第72页 |