级联深度卷积神经网络人脸检测应用研究
| 致谢 | 第5-6页 |
| 摘要 | 第6-8页 |
| ABSTRACT | 第8-9页 |
| 1 绪论 | 第12-18页 |
| 1.1 课题来源 | 第12页 |
| 1.2 研究背景和研究意义 | 第12-13页 |
| 1.3 国内外研究现状 | 第13-15页 |
| 1.4 本文的主要研究内容与安排 | 第15-18页 |
| 2 卷积神经网络 | 第18-24页 |
| 2.1 引言 | 第18页 |
| 2.2 卷积神经网络结构 | 第18-22页 |
| 2.3 经典卷积网络 | 第22-23页 |
| 2.4 本章小结 | 第23-24页 |
| 3 级联深度卷积神经网络的人脸检测方法 | 第24-42页 |
| 3.1 引言 | 第24页 |
| 3.2 人脸检测方法概述 | 第24-28页 |
| 3.2.1 传统人脸检测方法 | 第24-26页 |
| 3.2.2 基于深度学习的人脸检测方法 | 第26-28页 |
| 3.3 级联结构的人脸检测方法 | 第28-31页 |
| 3.4 级联深度卷积神经网络的人脸检测 | 第31-36页 |
| 3.4.1 级联结构分析 | 第31-32页 |
| 3.4.2 级联卷积神经网络框架 | 第32-34页 |
| 3.4.3 训练过程 | 第34-36页 |
| 3.5 实验结果与分析 | 第36-39页 |
| 3.5.1 训练数据集的处理 | 第36页 |
| 3.5.2 不同方法的比较 | 第36-38页 |
| 3.5.3 实际检验效果与分析 | 第38-39页 |
| 3.6 本章小结 | 第39-42页 |
| 4 基于树莓派平台的人脸检测与舵机平台的人脸跟踪 | 第42-54页 |
| 4.1 引言 | 第42页 |
| 4.2 树莓派与舵机平台概述 | 第42-45页 |
| 4.2.1 树莓派硬件以及软件概述 | 第42-43页 |
| 4.2.2 舵机平台的选择 | 第43-44页 |
| 4.2.3 树莓派对舵机的控制 | 第44-45页 |
| 4.3 基于OpenCV的人脸检测方法 | 第45-49页 |
| 4.3.1 Haar特征提取 | 第46-47页 |
| 4.3.2 AdaBoost算法 | 第47-49页 |
| 4.4 树莓派开发环境搭建与人脸检测实现 | 第49-51页 |
| 4.4.1 树莓派开发环境搭建 | 第49页 |
| 4.4.2 人脸检测效果展示 | 第49-51页 |
| 4.5 舵机平台的人脸跟踪 | 第51-53页 |
| 4.5.1 舵机平台转动原理 | 第51页 |
| 4.5.2 舵机平台的人脸跟踪 | 第51-53页 |
| 4.6 本章小结 | 第53-54页 |
| 5 结论 | 第54-56页 |
| 5.1 总结 | 第54-55页 |
| 5.2 展望 | 第55-56页 |
| 参考文献 | 第56-60页 |
| 作者简介 | 第60页 |
