| 摘要 | 第1-7页 |
| Abstract | 第7-10页 |
| 第1章 绪论 | 第10-22页 |
| ·题目来源及意义 | 第10-11页 |
| ·机器人的发展及研究现状 | 第11-15页 |
| ·机器人的发展历程 | 第11-12页 |
| ·即时通讯机器人的介绍 | 第12-14页 |
| ·即时通讯机器人的发展 | 第14-15页 |
| ·人脸识别与跟踪技术的发展及研究现状 | 第15-20页 |
| ·人脸识别技术的发展及研究现状 | 第15-17页 |
| ·人脸跟踪技术的发展及研究现状 | 第17-20页 |
| ·本文的主要内容及结构安排 | 第20-22页 |
| 第2章 人脸识别技术研究 | 第22-41页 |
| ·人脸检测技术方法原理 | 第22-31页 |
| ·颜色空间 | 第22-25页 |
| ·混合高斯模型 | 第25-26页 |
| ·Haar 特征与计算方法 | 第26-28页 |
| ·Adaboost 算法 | 第28-31页 |
| ·肤色模型与Haar 特征Adaboost 相结合的人脸检测实验仿真与分析 | 第31-35页 |
| ·基于PCA 方法的人脸识别 | 第35-36页 |
| ·K-L 变换原理 | 第35页 |
| ·主成分分析（PCA）方法 | 第35-36页 |
| ·基于K-L 变换的PCA 用于人脸识别过程与实验仿真及分析 | 第36-41页 |
| 第3章 人脸跟踪技术研究 | 第41-55页 |
| ·粒子滤波（Particle Filter）理论 | 第41-45页 |
| ·贝叶斯滤波 | 第41-42页 |
| ·SIS（Sequential Important Sample）算法 | 第42-45页 |
| ·LBP（Local Binary Patterns）纹理特征理论 | 第45-48页 |
| ·基于颜色和LBP 纹理特征的粒子滤波系统仿真实验与分析 | 第48-55页 |
| ·系统运动模型 | 第48-49页 |
| ·颜色和纹理特征提取及融合 | 第49-51页 |
| ·跟踪算法实现与仿真分析 | 第51-55页 |
| 第4章 人脸识别与跟踪算法在即时通讯机器人中应用 | 第55-67页 |
| ·系统的硬件分析 | 第55-58页 |
| ·硬件实现的方案 | 第55页 |
| ·机器人各部件参数与结构 | 第55-58页 |
| ·系统的软件分析 | 第58-62页 |
| ·人脸识别与跟踪系统在即时通讯机器人中实现 | 第62-67页 |
| 第5章 总结与展望 | 第67-69页 |
| 附录Ⅰ小Q 机器人现场调试与参观图 | 第69-70页 |
| 参考文献 | 第70-72页 |
| 致谢 | 第72-73页 |
| 攻攻硕士期间发表（含录用）的学术论文 | 第73页 |
