文摘
英文文摘
第一章 绪论
1.1 课题研究背景及意义
1.1.1 单模态生物特征识别技术
1.1.2 多模态生物特征识别技术
1.2 国内外研究现状
1.2.1 人脸识别技术国内外研究现状
1.2.2 虹膜识别技术的国内外研究状况
1.2.3 国内外多模态生物特征识别研究现状
1.3 本文的主要研究工作和章节安排
1.3.1 本文的主要工作
1.3.2 本文的算法理论研究阶段的试验装置介绍
1.3.3 本文的内容安排
第二章 基于Adaboost和PCA的人脸识别算法
2.1 人脸识别算法概述
2.1.1 几何特征的人脸识别算法
2.1.2 特征脸的识别算法
2.1.3 模板匹配人脸识别算法
2.1.4 神经网络人脸识别算法
2.1.5 隐马尔科夫模型(Hidden Markov Model)人脸识别算法
2.1.6 支持向量机(Support Vector Machine)
2.2 基于Adaboost和PCA的人脸识别算法
2.2.1 主成分分析
2.2.2 Adaboost算法生成强分类器
2.2.3 Adaboost结合PCA算法
2.3 实验结果
2.3.1 人脸数据库选取
2.3.2 实验结果
2.4 本章小结
第三章 基于Adaboost和SVM的虹膜识别
3.1 虹膜识别概述
3.1.1 虹膜识别流程图
3.1.2 Daugman提出的虹膜识别算法
3.1.3 Wildes等人提出的虹膜识别算法
3.1.4 Bole提出的虹膜识别算法
3.1.5 谭铁牛等人提出的虹膜识别算法
3.2 基于Adaboost和SVM虹膜识别
3.2.1 Adaboost算法
3.2.2 支持向量机(SVM)
3.3 实验结果
3.4 本章小结
第四章 人脸和虹膜的特征层融合算法研究
4.1 多模态生物特征识别层次划分
4.2 融合算法模型
4.3 基于Gabor小波+2DPCA组合的特征层的融合方法
4.4 实验结果与分析
4.5 本章小结
第五章 人脸与虹膜识别的原型机的实现
5.1 基于PC机的人脸与虹膜识别原型系统开发
5.1.1、基于PC机的人脸识别系统
5.1.2 基于PC机的虹膜识别系统
5.2 基于DM642与ARM2440的嵌入式系统实现
5.2.1 系统需求
5.2.2 系统硬件设计
5.2.3 系统软件设计
5.3 本章小结
第六章 总结与展望
6.1 总结
6.2 展望
参考文献
致谢
附录A 攻读学位期间发表的论文
附录B 攻读学位期间参加的科研项目