文摘
英文文摘
声明
第一章 绪论
1.1 课题来源
1.2 课题研究的背景和意义
1.2.1 人脸识别的背景和意义
1.2.2 人脸识别的发展历程
1.2.3 国内外研究现状
1.3 课题研究的主要工作
1.4 论文的创新点
1.5 章节安排
第二章 系统总体设计方案
2.1 系统设计要求
2.2 系统软件设计
2.3 系统及工作流程框图
2.4 开发工具选择
2.4.1 DirectShow系统介绍
2.4.2 OpenCV库介绍
2.4.3 OpenCV基本数据与主要构成
2.4.4 MySQL数据库介绍
2.5 本章小结
第三章 动态人脸识别中视频捕捉设计
3.1 DicrectShow组件单元的介绍
3.1.1 Filter概述
3.1.2 DirectShow应用程序开发过程
3.1.3 Graph Edit的使用
3.2 DirectShow连接方式
3.2.1 Filter连接
3.2.2 Filter传输模式
3.2.3 Filter的状态转换
3.2.4 Filter的智能连接
3.3 基于DirectShow的视频捕捉驱动开发
3.3.1 获取视频采集设备
3.3.2 获得各个接口
3.3.3 连接Filter
3.4 本章小结
第四章 动态人脸识别中的人脸检测设计
4.1 AdaBoost算法的检测原理
4.1.1 Haar特征
4.1.2 Haar特征计算
4.1.3 检测器内的特征总数
4.2 积分图像
4.2.1 概念
4.2.2 利用积分图计算矩形特征值
4.3 AdaBoost算法的训练过程
4.3.1 训练基本算法描述
4.3.2 弱分类器
4.3.3 弱分类器训练
4.3.4 强分类器
4.3.5 级联分类器的使用与设计
4.4 对静态图像的检测结果
4.4.1 训练初步结果
4.4.2 静态图象实验的初步结果
4.5 基于AdaBoost的动态人脸检测模块的开发
4.6 本章小结
第五章 图像预处理设计
5.1 人脸识别中的光照补偿技术
5.2 图像尺度归一化
5.3 基于小波分频的光照补偿的方法
5.3.1 小波变换的原理及图像的小波变换
5.3.2 直方图均衡化的方法
5.3.3 改进的中值滤波
5.4 本章的算法流程
5.4.1 算法流程图
5.5 实验结果分析
5.6 本章小结
第六章 多子空间融合的人脸识别算法的实现
6.1 引言
6.2 子空间算法介绍
6.2.1 主成分算法(PCA)分析
6.2.2 Bayesian算法分析
6.2.3 线性判别算法(LDA)分析
6.3 融合型子空间分析
6.3.1 训练数据库介绍
6.3.2 融合型子空间识别算法步骤
6.3.3 融合型子空间识别算法的优点
6.4 实验结果分析
6.4.1 PCA实验结果分析
6.4.2 Bayesian实验结果分析
6.4.3 LDA实验结果分析
6.4.4 融合型子空间实验结果分析
6.5 本章小结
第七章 总结与展望
7.1 总结
7.2 课题研究中遇到的问题及解决的方法
7.3 人脸识别系统的应用
7.3.1 系统运行界面图和功能区
7.3.2 人脸数据库浏览模块
7.3.3 人脸采集功能模块
7.3.4 人脸图像训练功能模块
7.3.5 抓图记录模块
7.3.6 系统用户登陆权限管理模块
7.4 进一步研究的内容
参考文献
作者在攻读硕士学位期间公开发表的论文
作者在攻读硕士学位期间所发明的专利
作者在攻读硕士学位期间所参与的重大工程
致谢