ARM平台下人脸识别智能监控系统的研究
| 摘要 | 第3-5页 |
| Abstract | 第5-6页 |
| 第一章 绪论 | 第9-18页 |
| 1.1 研究背景和意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-16页 |
| 1.2.1 智能监控系统研究现状 | 第10-12页 |
| 1.2.2 运动目标检测研究现状 | 第12-14页 |
| 1.2.3 人脸检测研究现状 | 第14-15页 |
| 1.2.4 人脸识别研究现状 | 第15-16页 |
| 1.3 本文的主要工作 | 第16-18页 |
| 1.3.1 本文的研究内容 | 第16页 |
| 1.3.2 本文的主要创新 | 第16-17页 |
| 1.3.3 本文的组织安排 | 第17-18页 |
| 第二章 系统总体设计 | 第18-31页 |
| 2.1 系统可行性分析 | 第18-19页 |
| 2.1.1 市场可行性 | 第18-19页 |
| 2.1.2 技术可行性 | 第19页 |
| 2.2 系统设计原则 | 第19-20页 |
| 2.3 系统方案设计 | 第20-21页 |
| 2.3.1 总体功能设计 | 第20-21页 |
| 2.3.2 总体结构设计 | 第21页 |
| 2.4 系统硬件开发平台 | 第21-24页 |
| 2.4.1 嵌入式微处理器的选择 | 第21-23页 |
| 2.4.2 系统硬件平台设计 | 第23-24页 |
| 2.5 系统软件开发平台 | 第24-29页 |
| 2.5.1 嵌入式操作系统的选择 | 第24-25页 |
| 2.5.2 系统软件平台设计 | 第25-29页 |
| 2.6 本章小结 | 第29-31页 |
| 第三章 结合运动目标检测的人脸识别 | 第31-43页 |
| 3.1 ViBe运动目标检测 | 第31-35页 |
| 3.1.1 模型的初始化方法 | 第32页 |
| 3.1.2 运动目标检测 | 第32-33页 |
| 3.1.3 模型的更新机制 | 第33页 |
| 3.1.4 本系统运动目标的提取方式 | 第33-35页 |
| 3.2 AdaBoost人脸检测 | 第35-39页 |
| 3.2.1 Haar-like特征和积分图 | 第36-37页 |
| 3.2.2 强分类器 | 第37页 |
| 3.2.3 级联分类器 | 第37-38页 |
| 3.2.4 本系统的人脸检测方式 | 第38-39页 |
| 3.3 LBP人脸识别 | 第39-42页 |
| 3.3.1 LBP算子基本原理 | 第39-40页 |
| 3.3.2 LBP算子的发展演化 | 第40-42页 |
| 3.3.3 本系统的人脸识别方式 | 第42页 |
| 3.4 本章小结 | 第42-43页 |
| 第四章 智能监控系统的实现和实验结果 | 第43-50页 |
| 4.1 智能报警的实现 | 第43-45页 |
| 4.2 基于Android客户端的设计 | 第45-46页 |
| 4.3 最佳相似度阈值的计算 | 第46-47页 |
| 4.4 系统运行结果 | 第47-49页 |
| 4.5 本章小结 | 第49-50页 |
| 第五章 总结与展望 | 第50-52页 |
| 5.1 本文工作总结 | 第50页 |
| 5.2 未来工作展望 | 第50-52页 |
| 参考文献 | 第52-57页 |
| 硕士期间发表的学术论文和参与的科研项目 | 第57-58页 |
| 一、发表的学术论文 | 第57页 |
| 二、参与的科研项目 | 第57-58页 |
| 致谢 | 第58-59页 |
