| 摘要 | 第1-4页 |
| ABSTRACT | 第4-9页 |
| 第一章 绪论 | 第9-13页 |
| ·研究背景 | 第9-10页 |
| ·人脸识别技术国内外现状 | 第10页 |
| ·人脸识别技术的难点 | 第10-11页 |
| ·本文所作的主要工作及论文结构 | 第11-13页 |
| 第二章 视频采集模块设计与实现 | 第13-19页 |
| ·引言 | 第13页 |
| ·DirectShow技术介绍 | 第13-15页 |
| ·使用OpenCv+Directshow采集视频图像 | 第15-18页 |
| ·本章小结 | 第18-19页 |
| 第三章 实时人脸检测模块设计与实现 | 第19-40页 |
| ·引言 | 第19页 |
| ·人脸检测技术综述 | 第19-20页 |
| ·AdaBoost人脸检测算法的原理 | 第20-31页 |
| ·AdaBoost简介 | 第20-23页 |
| ·基于AdaBoost算法的分类器设计 | 第23-25页 |
| ·AdaBoost算法的训练过程 | 第25-31页 |
| ·矩形特征 | 第31-35页 |
| ·矩形(Haar)特征介绍 | 第31-33页 |
| ·构建积分图 | 第33-35页 |
| ·人脸检测算法的实现 | 第35-38页 |
| ·人脸检测算法效果对比 | 第35-38页 |
| ·检测算法小结 | 第38页 |
| ·实时视频人脸检测系统 | 第38页 |
| ·本章小结 | 第38-40页 |
| 第四章 人脸图像的预处理 | 第40-44页 |
| ·引言 | 第40页 |
| ·直方图均衡 | 第40-41页 |
| ·中值滤波 | 第41-42页 |
| ·人脸归一化 | 第42-43页 |
| ·本章小结 | 第43-44页 |
| 第五章 人脸图像的特征提取 | 第44-55页 |
| ·引言 | 第44页 |
| ·主成分分析(PCA) | 第44-47页 |
| ·主成分分析的基本原理 | 第44-46页 |
| ·主成分分析详细分析 | 第46-47页 |
| ·二维主成分分析(2DPCA) | 第47-50页 |
| ·2DPCA算法 | 第47-49页 |
| ·2DPCA特征提取 | 第49页 |
| ·基于2DPCA的图像重构 | 第49-50页 |
| ·2DPCA优缺点 | 第50页 |
| ·改进的主成分分析(2D)~2PCA | 第50-54页 |
| ·行方向2DPCA的算法 | 第50-51页 |
| ·列方向2DPCA的算法 | 第51-53页 |
| ·(2D)~2PCA算法 | 第53-54页 |
| ·(2D)~2PCA优缺点 | 第54页 |
| ·本章小结 | 第54-55页 |
| 第六章 人脸识别模块设计与实现 | 第55-67页 |
| ·引言 | 第55页 |
| ·人脸识别算法综述 | 第55-56页 |
| ·BP神经网络 | 第56-59页 |
| ·神经网络简介 | 第56页 |
| ·BP神经网络 | 第56-57页 |
| ·BP神经网络算法 | 第57-58页 |
| ·BP网络算法的改进 | 第58-59页 |
| ·基于BP神经网络的人脸识别系统设计 | 第59-66页 |
| ·人脸识别系统架构 | 第59-60页 |
| ·人脸识别模块设计及实现 | 第60-61页 |
| ·BP网络分类器的实现 | 第61-63页 |
| ·验结果与讨论 | 第63-66页 |
| ·本章小结 | 第66-67页 |
| 第七章 总结与展望 | 第67-69页 |
| ·总结 | 第67页 |
| ·展望 | 第67-69页 |
| 参考文献 | 第69-72页 |
| 致谢 | 第72-73页 |
| 攻读学位期间发表论文 | 第73页 |