| 摘要 | 第1-4页 |
| Abstract | 第4-9页 |
| 第1章 引言 | 第9-13页 |
| ·课题研究的背景和意义 | 第9-10页 |
| ·本文研究的主要内容 | 第10-11页 |
| ·自然背景下的快速人脸检测 | 第10页 |
| ·建立人脸数据库实现人脸识别 | 第10-11页 |
| ·构建具有视觉处理和语音交互功能的移动机器人系统 | 第11页 |
| ·论文组织结构 | 第11-13页 |
| 第2章 人脸检测与识别技术概述 | 第13-24页 |
| ·人脸检测与识别技术的优势与困难 | 第13-14页 |
| ·国内外研究应用现状 | 第14页 |
| ·人脸检测技术概述 | 第14-19页 |
| ·基于特征的方法 | 第15-17页 |
| ·基于统计学习的方法 | 第17-19页 |
| ·人脸检测算法的评价标准 | 第19页 |
| ·人脸识别技术概述 | 第19-23页 |
| ·基于统计的识别方法 | 第20-21页 |
| ·基于连接机制的识别方法 | 第21-22页 |
| ·其他识别方法 | 第22页 |
| ·人脸识别算法的评价标准 | 第22-23页 |
| ·本章小结 | 第23-24页 |
| 第3章 Adaboost 算法与肤色检测级联的人脸检测算法 | 第24-40页 |
| ·Adaboost 算法 | 第24-32页 |
| ·矩形特征 | 第25-26页 |
| ·积分图 | 第26-27页 |
| ·弱分类器 | 第27-28页 |
| ·强分类器 | 第28-29页 |
| ·级联分类器 | 第29-30页 |
| ·Adaboost 算法实现 | 第30-32页 |
| ·基于肤色特征的人脸检测 | 第32-36页 |
| ·彩色空间概述 | 第32-34页 |
| ·肤色模型 | 第34-35页 |
| ·肤色检测算法实现 | 第35-36页 |
| ·人脸检测实验 | 第36-39页 |
| ·本章小结 | 第39-40页 |
| 第4章 基于嵌入式隐马尔可夫模型的人脸识别算法 | 第40-56页 |
| ·隐马尔可夫模型 | 第40-46页 |
| ·隐马尔科夫模型的基本理论 | 第40-42页 |
| ·隐马尔科夫模型的三个基本问题及求解 | 第42-45页 |
| ·隐马尔可夫人脸模型 | 第45-46页 |
| ·嵌入式隐马尔可夫模型 | 第46-48页 |
| ·基于嵌入式隐马尔可夫模型的人脸识别算法实现 | 第48-52页 |
| ·特征提取 | 第48-50页 |
| ·算法实现流程 | 第50-52页 |
| ·人脸识别实验 | 第52-54页 |
| ·本章小结 | 第54-56页 |
| 第5章 具有视觉处理与语音交互功能的移动机器人系统 | 第56-79页 |
| ·移动机器人系统总体架构 | 第56-57页 |
| ·K-ICNP 控制平台 | 第57-65页 |
| ·基于框架的知识建模方法 | 第57-59页 |
| ·K-ICNP 的整体结构 | 第59-60页 |
| ·K-ICNP 的使用流程 | 第60-63页 |
| ·基于K-ICNP 平台的移动机器人系统控制集成 | 第63-65页 |
| ·机器人分系统 | 第65-69页 |
| ·移动机器人 | 第65-66页 |
| ·无线通讯模块 | 第66-67页 |
| ·无线摄像机 | 第67-68页 |
| ·机器人控制程序的开发 | 第68-69页 |
| ·视觉处理系统 | 第69-76页 |
| ·视觉处理系统的实现 | 第69-71页 |
| ·训练样本库 | 第71-73页 |
| ·套接字(Socket)通信 | 第73-74页 |
| ·人机界面 | 第74-76页 |
| ·物理实验 | 第76-78页 |
| ·本章小结 | 第78-79页 |
| 第6章 总结与展望 | 第79-81页 |
| ·课题总结 | 第79-80页 |
| ·未来研究方向展望 | 第80-81页 |
| 参考文献 | 第81-85页 |
| 致谢 | 第85-86页 |
| 个人简历、在学期间发表的学术论文与研究成果 | 第86-87页 |