| 致谢 | 第7-8页 |
| 摘要 | 第8-9页 |
| abstract | 第9-10页 |
| 第一章 绪论 | 第15-24页 |
| 1.1 课题的研究背景及意义 | 第15-16页 |
| 1.2 类人机器人 | 第16-19页 |
| 1.2.1 类人机器人概况 | 第16-17页 |
| 1.2.2 类人机器人发展及现状 | 第17-19页 |
| 1.3 人脸识别 | 第19-21页 |
| 1.3.1 人脸识别技术 | 第19页 |
| 1.3.2 国内外研究现状及其应用 | 第19-21页 |
| 1.3.3 人脸识别存在的问题 | 第21页 |
| 1.4 情感交互研究现状 | 第21-22页 |
| 1.5 本文研究内容及结构安排 | 第22-24页 |
| 第二章 人脸检测及预处理 | 第24-34页 |
| 2.1 引言 | 第24-25页 |
| 2.2 人脸检测 | 第25-29页 |
| 2.2.1 基于Haar-like特征的人脸检测方法 | 第25-26页 |
| 2.2.2 基于积分图的人脸检测方法 | 第26-29页 |
| 2.3 人脸图像预处理 | 第29-33页 |
| 2.3.1 几何归一化 | 第29页 |
| 2.3.2 滤波去噪 | 第29-30页 |
| 2.3.3 灰度变换 | 第30-32页 |
| 2.3.4 直方图均衡化 | 第32-33页 |
| 2.4 本章小结 | 第33-34页 |
| 第三章 G-LBP和方差交叉投影熵的人脸识别方法 | 第34-52页 |
| 3.1 引言 | 第34-35页 |
| 3.2 G-LBP特征提取 | 第35-38页 |
| 3.2.1 Gabor小波变换 | 第35-36页 |
| 3.2.2 LBP特征提取 | 第36-37页 |
| 3.2.3 G-LBP特征提取方法 | 第37-38页 |
| 3.3 方差交叉投影熵特征提取 | 第38-43页 |
| 3.3.1 信息熵 | 第38-40页 |
| 3.3.2 投影变换和方差投影函数 | 第40-41页 |
| 3.3.3 方差交叉投影熵 | 第41-43页 |
| 3.4 基于多特征融合的人脸识别方法 | 第43-45页 |
| 3.5 实验结果与分析 | 第45-50页 |
| 3.5.1 G-LBP分块选取 | 第45-46页 |
| 3.5.2 熵函数的选择及其分块选取 | 第46-47页 |
| 3.5.3 纹理空间和熵值空间加权融合的识别结果 | 第47-48页 |
| 3.5.4 各种算法的识别率比较 | 第48-50页 |
| 3.6 本章小结 | 第50-52页 |
| 第四章 类人机器人情感交互系统研究及实现 | 第52-68页 |
| 4.1 引言 | 第52页 |
| 4.2 类人机器人情感交互研究 | 第52-58页 |
| 4.2.1 类人机器人人脸识别 | 第52-54页 |
| 4.2.2 类人机器人表情情感交互 | 第54-55页 |
| 4.2.3 语音以及对话情感交互 | 第55-57页 |
| 4.2.4 类人机器人动作驱动 | 第57-58页 |
| 4.3 情感交互系统软硬件环境 | 第58-63页 |
| 4.3.1 类人机器人机械系统 | 第58-60页 |
| 4.3.2 类人机器人的结构以及控制 | 第60-62页 |
| 4.3.3 情感交互系统环境 | 第62-63页 |
| 4.4 系统设计及实现 | 第63-66页 |
| 4.4.1 系统设计 | 第63-65页 |
| 4.4.2 系统实现 | 第65-66页 |
| 4.5 系统应用场景测试 | 第66-67页 |
| 4.6 本章小结 | 第67-68页 |
| 第五章 总结及展望 | 第68-71页 |
| 5.1 论文研究总结 | 第68-69页 |
| 5.2 未来工作展望 | 第69-71页 |
| 参考文献 | 第71-75页 |
| 攻读硕士学位期间的学术活动及成果情况 | 第75-77页 |