| 摘要 | 第3-4页 |
| abstract | 第4页 |
| 第一章 绪论 | 第7-12页 |
| 1.1 课题研究的背景和意义 | 第7-8页 |
| 1.2 人脸识别国内外研究现状 | 第8-10页 |
| 1.2.1 人脸识别在国外的研究现状 | 第8-9页 |
| 1.2.2 人脸识别在国内的研究现状 | 第9-10页 |
| 1.3 本文的主要工作及章节安排 | 第10-12页 |
| 第二章 相关知识与技术简介 | 第12-17页 |
| 2.1 OpenCV简介 | 第12页 |
| 2.2 OpenCV在VS2010中的配置 | 第12-14页 |
| 2.3 Windows下NAOC++SDK安装及配置 | 第14-16页 |
| 2.4 本章小结 | 第16-17页 |
| 第三章 人脸图像预处理技术 | 第17-21页 |
| 3.1 彩色图像灰度化 | 第17-18页 |
| 3.2 图像归一化 | 第18-19页 |
| 3.3 直方图均衡化 | 第19-20页 |
| 3.4 本章小结 | 第20-21页 |
| 第四章 人脸检测算法与实现 | 第21-29页 |
| 4.1 Adaboost算法背景 | 第21页 |
| 4.2 Haar-Like特征 | 第21-23页 |
| 4.3 用积分图计算Haar-Like特征 | 第23-24页 |
| 4.4 Adaboosts算法实现人脸检测 | 第24-26页 |
| 4.5 实验检测结果与分析 | 第26-28页 |
| 4.6 本章小结 | 第28-29页 |
| 第五章 人脸识别算法与实现 | 第29-41页 |
| 5.1 基于PCA的人脸识别方法 | 第29-30页 |
| 5.2 基于LBP的人脸识别方法 | 第30-33页 |
| 5.2.1 LBP算法的描述 | 第30-32页 |
| 5.2.2 基于LBP的人脸识别 | 第32-33页 |
| 5.3 OpenCV人脸识别算法实现 | 第33-36页 |
| 5.3.1 数据库及其设计 | 第33-34页 |
| 5.3.2 人脸训练 | 第34-35页 |
| 5.3.3 人脸识别 | 第35-36页 |
| 5.4 实验测试与结果分析 | 第36-40页 |
| 5.4.1 不同训练样本下的识别结果与分析 | 第36-37页 |
| 5.4.2 光照变化下的识别结果与分析 | 第37-38页 |
| 5.4.3 不同旋转角度下的识别结果与分析 | 第38-40页 |
| 5.5 本章小结 | 第40-41页 |
| 第六章 人脸检测与识别在NAO机器人中的应用 | 第41-51页 |
| 6.1 NAO机器人介绍 | 第41-42页 |
| 6.2 NAO的视觉系统介绍 | 第42-43页 |
| 6.3 系统实现及实验测试 | 第43-50页 |
| 6.3.1 NAO人脸识别流程 | 第43-44页 |
| 6.3.2 系统实现 | 第44-45页 |
| 6.3.3 实验测试与结果分析 | 第45-50页 |
| 6.4 本章小结 | 第50-51页 |
| 第七章 总结和展望 | 第51-53页 |
| 7.1 工作总结 | 第51页 |
| 7.2 课题展望 | 第51-53页 |
| 参考文献 | 第53-56页 |
| 致谢 | 第56-58页 |
| 个人简介 | 第58页 |