| 摘要 | 第6-8页 |
| Abstract | 第8-9页 |
| 第一章 绪论 | 第12-17页 |
| 1.1 课题的探究背景和意义 | 第12-13页 |
| 1.2 课题的国内外研究现状 | 第13-15页 |
| 1.2.1 表情识别的国内外研究现状 | 第13-14页 |
| 1.2.2 康复护理机器人在医疗领域应用的国内外研究现状 | 第14-15页 |
| 1.3 课题主要研究内容与结构安排 | 第15-17页 |
| 第二章 康复护理机器人床中的人脸检测 | 第17-28页 |
| 2.1 引言 | 第17页 |
| 2.2 基于AdaBoost算法的人脸检测原理 | 第17-23页 |
| 2.2.1 Haar-like矩形特征表征人脸 | 第18-21页 |
| 2.2.2 Adaboost分类器设计 | 第21-23页 |
| 2.2.3 级联分类器 | 第23页 |
| 2.3 基于AdaBoost算法的人眼检测 | 第23-27页 |
| 2.3.1 人脸图像灰度化 | 第24页 |
| 2.3.2 人脸图像平面旋转矫正 | 第24-25页 |
| 2.3.3 人脸图像尺度归一化 | 第25-27页 |
| 2.4 本章小结 | 第27-28页 |
| 第三章 康复护理机器人床中的人脸识别 | 第28-45页 |
| 3.1 引言 | 第28-29页 |
| 3.2 人脸图像噪声预处理 | 第29-30页 |
| 3.3 人脸图像光照预处理 | 第30-33页 |
| 3.3.1 直方图均衡化 | 第30-31页 |
| 3.3.2 Gamma校正 | 第31-33页 |
| 3.4 基于主成分分析方法的人脸特征提取方法 | 第33-36页 |
| 3.4.1 K-L变换的原理 | 第33-34页 |
| 3.4.2 奇异值分解定理 | 第34页 |
| 3.4.3 基于PCA特征提取方法的人脸识别 | 第34-36页 |
| 3.5 基于线性判别分析的人脸特征提取方法 | 第36-40页 |
| 3.5.1 最佳投影方向 | 第37-39页 |
| 3.5.2 基于LDA特征提取方法的人脸识别 | 第39-40页 |
| 3.6 实验结果比较分析 | 第40-43页 |
| 3.7 人脸追踪 | 第43-44页 |
| 3.8 本章小结 | 第44-45页 |
| 第四章 康复护理机器人床中的表情识别专家系统 | 第45-52页 |
| 4.1 引言 | 第45-46页 |
| 4.2 人脸不同区域表情特征提取 | 第46-48页 |
| 4.2.1 眉毛、眼睛的特征点提取 | 第46-47页 |
| 4.2.2 嘴部的特征点提取 | 第47-48页 |
| 4.3 表情特征分类识别 | 第48-49页 |
| 4.4 表情识别专家系统 | 第49-51页 |
| 4.4.1 表情识别专家系统框架设计 | 第49-50页 |
| 4.4.2 表情识别专家系统具体实现 | 第50-51页 |
| 4.5 本章小结 | 第51-52页 |
| 第五章 应用于康复护理机器人床的人脸识别系统设计与实现 | 第52-60页 |
| 5.1 引言 | 第52页 |
| 5.2 人脸识别系统整体设计 | 第52-54页 |
| 5.2.1 人脸识别系统框架 | 第52-53页 |
| 5.2.2 硬件、软件平台 | 第53-54页 |
| 5.3 人脸识别系统实现 | 第54-59页 |
| 5.3.1 视频获取模块 | 第54页 |
| 5.3.2 人脸检测模块 | 第54-55页 |
| 5.3.3 人脸识别模块 | 第55页 |
| 5.3.4 表情识别专家系统模块 | 第55-56页 |
| 5.3.5 人脸识别系统具体实现 | 第56-59页 |
| 5.4 本章小结 | 第59-60页 |
| 第六章 全文总结与展望 | 第60-62页 |
| 6.1 全文总结 | 第60-61页 |
| 6.2 课题研究展望 | 第61-62页 |
| 参考文献 | 第62-66页 |
| 攻读硕士学位期间发表的学术论文及取得的相关科研成果 | 第66-67页 |
| 致谢 | 第67-68页 |
