基于CPU+GPU桌面集群的人脸特征点实时检测系统研究
| 摘要 | 第1-4页 |
| ABSTRACT | 第4-5页 |
| 目录 | 第5-8页 |
| 第一章 绪论 | 第8-13页 |
| ·课题的研究背景及意义 | 第8页 |
| ·国内外的研究现状 | 第8-12页 |
| ·人脸特征定位算法发展现状 | 第8-11页 |
| ·GPU 的发展现状 | 第11-12页 |
| ·本文研究工作及内容安排 | 第12-13页 |
| 第二章 GPU 及CUDA 技术概述 | 第13-20页 |
| ·GPU 的硬件架构 | 第14-15页 |
| ·流处理器阵列 | 第14-15页 |
| ·存储器系统 | 第15页 |
| ·CUDA 介绍 | 第15-19页 |
| ·CUDA 编程模型 | 第15-17页 |
| ·CUDA 软件体系 | 第17页 |
| ·CUDA 存储模型 | 第17-19页 |
| ·本章小结 | 第19-20页 |
| 第三章 系统算法概述 | 第20-31页 |
| ·Adaboost 人脸特征检测算法 | 第20-24页 |
| ·Haar-like 特征 | 第20-21页 |
| ·积分图 | 第21-22页 |
| ·Adaboost 训练算法 | 第22-24页 |
| ·Adaboost 人脸检测流程 | 第24页 |
| ·肤色模型 | 第24-25页 |
| ·投影算法 | 第25-27页 |
| ·积分投影 | 第26页 |
| ·差分投影 | 第26-27页 |
| ·混分投影 | 第27页 |
| ·瞳孔及瞳孔中心检测算法 | 第27-28页 |
| ·瞳孔检测算法 | 第27-28页 |
| ·瞳孔中心检测算法 | 第28页 |
| ·内眼角检测算法 | 第28-30页 |
| ·Susan 算法 | 第28-29页 |
| ·内眼角定位算子 | 第29-30页 |
| ·提取候选角点算法 | 第30页 |
| ·本章小结 | 第30-31页 |
| 第四章 CPU+GPU 平台的任务划分 | 第31-36页 |
| ·算法的软件实现 | 第31-33页 |
| ·CPU 及GPU 端的任务划分 | 第33-35页 |
| ·本章小结 | 第35-36页 |
| 第五章 系统实现 | 第36-55页 |
| ·图像预处理 | 第36-41页 |
| ·灰度图及肤色分割的二值图的转换 | 第36-38页 |
| ·积分图及平方的积分图计算 | 第38-41页 |
| ·人脸检测及精确定位 | 第41-49页 |
| ·包含肤色区域的最大矩形框提取 | 第41-44页 |
| ·基于Haar 特征人脸检测 | 第44-48页 |
| ·精确的人脸框定位 | 第48-49页 |
| ·人眼眶检测与定位 | 第49-52页 |
| ·瞳孔及瞳孔中心检测 | 第52-53页 |
| ·瞳孔定位 | 第52-53页 |
| ·瞳孔中心定位 | 第53页 |
| ·内眼角定位 | 第53-54页 |
| ·本章小结 | 第54-55页 |
| 第六章 实验结果及分析 | 第55-61页 |
| ·系统运行环境约束 | 第56-57页 |
| ·性能测试及实验结果分析 | 第57-60页 |
| ·系统实时性分析 | 第57-58页 |
| ·系统定位精度分析 | 第58-60页 |
| ·本章小结 | 第60-61页 |
| 第七章 总结与展望 | 第61-63页 |
| ·本文总结 | 第61-62页 |
| ·未来展望 | 第62-63页 |
| 参考文献 | 第63-66页 |
| 致谢 | 第66页 |
