基于图像技术的可自动调节床垫系统研究
| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 符号对照表 | 第11-12页 |
| 缩略语对照表 | 第12-15页 |
| 第一章 绪论 | 第15-21页 |
| 1.1 研究背景及意义 | 第15页 |
| 1.2 国内外研究现状 | 第15-18页 |
| 1.2.1 国外研究现状 | 第16-17页 |
| 1.2.2 国内研究现状 | 第17-18页 |
| 1.3 本文研究内容 | 第18-19页 |
| 1.4 本文章节安排 | 第19-21页 |
| 第二章 图像的获取及预处理 | 第21-39页 |
| 2.1 睡姿检测流程 | 第21-22页 |
| 2.1.1 睡姿识别概述 | 第21-22页 |
| 2.2 睡姿图像获取 | 第22-27页 |
| 2.2.1 获取睡姿图像方式选择 | 第22-26页 |
| 2.2.2 Poser图像获取 | 第26-27页 |
| 2.3 图像预处理 | 第27-37页 |
| 2.3.1 红外人脸图像的几何预处理 | 第27-31页 |
| 2.3.2 灰度归一化 | 第31-34页 |
| 2.3.3 图像滤波 | 第34-37页 |
| 2.4 本章小结 | 第37-39页 |
| 第三章 红外图像人脸特征提取与识别 | 第39-53页 |
| 3.1 人脸检测 | 第39-42页 |
| 3.1.1 人脸检测概述 | 第39-40页 |
| 3.1.2 人脸识别系统架构 | 第40-42页 |
| 3.2 基于BP神经网络的人脸检测 | 第42-45页 |
| 3.2.1 特征与特征提取 | 第42-44页 |
| 3.2.2 Haar-like特征提取 | 第44-45页 |
| 3.3 分类器的设计 | 第45-49页 |
| 3.3.1 BP神经网络的结构 | 第45-46页 |
| 3.3.2 层节点设计 | 第46-49页 |
| 3.4 人脸检测实现 | 第49-51页 |
| 3.5 本章小结 | 第51-53页 |
| 第四章 系统实现和测试 | 第53-61页 |
| 4.1 床垫设计 | 第53-54页 |
| 4.1.1 床垫制作 | 第53-54页 |
| 4.2 嵌入式系统设计 | 第54-58页 |
| 4.2.1 嵌入式平台 | 第55-56页 |
| 4.2.2 气道设计 | 第56页 |
| 4.2.3 软件实现 | 第56-57页 |
| 4.2.4 系统整体实现 | 第57-58页 |
| 4.3 系统测试 | 第58页 |
| 4.4 本章小结 | 第58-61页 |
| 第五章 总结与展望 | 第61-63页 |
| 5.1 总结 | 第61-62页 |
| 5.2 展望 | 第62-63页 |
| 参考文献 | 第63-67页 |
| 致谢 | 第67-69页 |
| 作者简介 | 第69-70页 |
