| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第10-18页 |
| 1.1 课题研究背景及意义 | 第10-11页 |
| 1.2 国内外技术发展概况 | 第11-15页 |
| 1.2.1 人脸识别技术发展概况 | 第11-13页 |
| 1.2.2 嵌入式图像处理技术发展概况 | 第13-15页 |
| 1.3 研究内容及难点 | 第15页 |
| 1.4 论文主要内容及章节安排 | 第15-18页 |
| 第二章 相关基础技术 | 第18-30页 |
| 2.1 系统硬件平台 | 第18-21页 |
| 2.2 图像处理技术相关 | 第21-25页 |
| 2.2.1 人脸数据库 | 第21页 |
| 2.2.2 图像色彩空间 | 第21-22页 |
| 2.2.3 图像滤波技术 | 第22-23页 |
| 2.2.4 图像直方图 | 第23-24页 |
| 2.2.5 图像Haar特征 | 第24-25页 |
| 2.3 FPGA硬件加速技术 | 第25-26页 |
| 2.4 ZYNQ的AXI总线 | 第26-28页 |
| 2.5 Vivado和Vivado HLS开发工具 | 第28-29页 |
| 2.6 本章小结 | 第29-30页 |
| 第三章 人脸识别相关算法的研究 | 第30-38页 |
| 3.1 图像处理系统简介 | 第30页 |
| 3.2 图像预处理算法的研究 | 第30-32页 |
| 3.2.1 图像灰度化 | 第30-31页 |
| 3.2.2 图像直方图均衡化 | 第31-32页 |
| 3.3 图像人脸检测 | 第32-35页 |
| 3.3.1 Adaboost算法简介 | 第32-33页 |
| 3.3.2 AdaBoost算法实现步骤 | 第33-34页 |
| 3.3.3 Haar-Like特征提取 | 第34页 |
| 3.3.4 积分图的应用 | 第34-35页 |
| 3.4 图像人脸识别决策 | 第35-37页 |
| 3.4.1 直方图相似度匹配 | 第35页 |
| 3.4.2 PCA算法 | 第35-37页 |
| 3.4.3 人脸识别决策改进 | 第37页 |
| 3.5 本章小结 | 第37-38页 |
| 第四章 人脸识别硬件加速的研究 | 第38-48页 |
| 4.1 ZYNQ处理器配置 | 第38-39页 |
| 4.2 AXI VDMA配置 | 第39-40页 |
| 4.3 硬件加速IP核的研究 | 第40-46页 |
| 4.3.1 最邻近插值图像压缩 | 第40页 |
| 4.3.2 图像均值滤波 | 第40-41页 |
| 4.3.3 图像灰度化算法 | 第41页 |
| 4.3.4 图像直方图均衡化 | 第41-42页 |
| 4.3.5 预处理算法并行化设计 | 第42-44页 |
| 4.3.6 Vivado HLS优化策略 | 第44-46页 |
| 4.4 本章小结 | 第46-48页 |
| 第五章 系统的实现与验证 | 第48-64页 |
| 5.1 系统整体设计 | 第48-49页 |
| 5.2 嵌入式平台搭建 | 第49-54页 |
| 5.3 图像采集 | 第54页 |
| 5.4 混合验证门禁系统工作流程 | 第54-57页 |
| 5.5 图像预处理硬件加速 | 第57-59页 |
| 5.5.1 图像预处理算法优化前 | 第57-58页 |
| 5.5.2 图像预处理算法优化后 | 第58-59页 |
| 5.6 人脸检测与识别的实现 | 第59-62页 |
| 5.6.1 移植OpenCV到ZedBoard | 第59页 |
| 5.6.2 人脸检测的实现 | 第59-60页 |
| 5.6.3 人脸识别的实现 | 第60-62页 |
| 5.7 本章总结 | 第62-64页 |
| 第六章 总结与展望 | 第64-66页 |
| 6.1 工作总结 | 第64页 |
| 6.2 工作展望 | 第64-66页 |
| 参考文献 | 第66-70页 |
| 致谢 | 第70-72页 |
| 攻读学位期间取得的研究成果 | 第72页 |