基于GPU加速的机器人人脸检测系统的设计与实现
| 致谢 | 第5-6页 |
| 摘要 | 第6-7页 |
| ABSTRACT | 第7-8页 |
| 1 引言 | 第11-19页 |
| 1.1 智能机器人概述 | 第11-12页 |
| 1.2 人脸检测概述 | 第12-15页 |
| 1.2.1 人脸检测技术方法的研究 | 第12-14页 |
| 1.2.2 基于GPU加速的人脸检测技术研究现状 | 第14-15页 |
| 1.3 人脸检测系统评价标准 | 第15-16页 |
| 1.4 本文研究内容与目标 | 第16-17页 |
| 1.5 论文组织结构 | 第17-19页 |
| 2 算法原理与CUDA简介 | 第19-29页 |
| 2.1 基于ADABOOST人脸检测算法原理 | 第19-25页 |
| 2.1.1 算法过程详述 | 第19-21页 |
| 2.1.2 HAAR特征 | 第21-22页 |
| 2.1.3 分类器级联 | 第22-23页 |
| 2.1.4 人脸检测过程简述 | 第23-25页 |
| 2.2 人脸跟踪算法研究 | 第25-26页 |
| 2.3 CUDA并行编程平台简介 | 第26-28页 |
| 2.4 本章小结 | 第28-29页 |
| 3 并行化人脸检测算法的设计与实现 | 第29-47页 |
| 3.1 图像灰度化并行设计与实现 | 第30-31页 |
| 3.2 金字塔图像生成并行设计与实现 | 第31-39页 |
| 3.2.1 并行化图像放缩设计与实现 | 第32-35页 |
| 3.2.2 并行化拼接金字塔图像设计与实现 | 第35-39页 |
| 3.3 积分图计算并行设计与实现 | 第39-43页 |
| 3.4 人脸检测并行设计与实现 | 第43-46页 |
| 3.5 本章小结 | 第46-47页 |
| 4 机器人人脸检测系统需求定义 | 第47-53页 |
| 4.1 系统概述 | 第47-48页 |
| 4.2 系统功能性需求定义 | 第48-49页 |
| 4.2.1 人脸样本管理模块需求定义 | 第48页 |
| 4.2.2 GPU端人脸检测模块需求定义 | 第48-49页 |
| 4.2.3 人脸跟踪模块需求定义 | 第49页 |
| 4.3 系统用例分析 | 第49-51页 |
| 4.4 系统界面需求定义 | 第51页 |
| 4.5 系统性能需求 | 第51-52页 |
| 4.6 本章小结 | 第52-53页 |
| 5 系统总体构思与设计 | 第53-59页 |
| 5.1 系统设计原则 | 第53页 |
| 5.2 系统总体流程设计 | 第53-55页 |
| 5.3 系统关键模块功能性设计 | 第55-58页 |
| 5.3.1 人脸样本管理模块设计 | 第56页 |
| 5.3.2 人脸检测模块设计 | 第56-57页 |
| 5.3.3 人脸跟踪模块设计 | 第57-58页 |
| 5.4 本章小结 | 第58-59页 |
| 6 系统详细设计与实现 | 第59-71页 |
| 6.1 人脸样本管理模块详细设计与实现 | 第59-60页 |
| 6.2 人脸检测详细设计与实现 | 第60-65页 |
| 6.2.1 分类器训练系统设计与实现 | 第61-62页 |
| 6.2.2 GPU端人脸检测设计 | 第62-63页 |
| 6.2.3 GPU端人检测实现 | 第63-65页 |
| 6.3 人脸跟踪详细设计与实现 | 第65-69页 |
| 6.3.1 人脸跟踪流程设计 | 第65-66页 |
| 6.3.2 人脸跟踪算法研究 | 第66-68页 |
| 6.3.3 人脸跟踪功能实现 | 第68-69页 |
| 6.4 本章小结 | 第69-71页 |
| 7 系统验证 | 第71-75页 |
| 7.1 测试环境 | 第71页 |
| 7.2 结果与分析 | 第71-74页 |
| 7.3 本章小结 | 第74-75页 |
| 8 总结与展望 | 第75-77页 |
| 8.1 研究总结 | 第75-76页 |
| 8.2 前景展望 | 第76-77页 |
| 参考文献 | 第77-79页 |
| 作者简历及攻读硕士/博士学位期间取得的研究成果 | 第79-83页 |
| 学位论文数据集 | 第83页 |
