首页--工业技术论文--自动化技术、计算机技术论文--计算技术、计算机技术论文--计算机的应用论文--信息处理(信息加工)论文--模式识别与装置论文

基于Adaboost的人脸检测算法研究及其FPGA实现

摘要第5-6页
Abstract第6-7页
第1章 绪论第11-17页
    1.1 课题的研究背景第11-12页
    1.2 国内外研究现状与趋势第12-13页
    1.3 课题的研究意义第13-14页
    1.4 人脸检测结果的评价标准第14-15页
    1.5 本文的研究内容第15-17页
第2章 相关知识介绍第17-29页
    2.1 人脸模式特点的分析第17页
    2.2 人脸检测方法分类第17-21页
        2.2.1 基于模板匹配的方法第17-18页
        2.2.2 基于支持向量机的方法第18-19页
        2.2.3 基于神经网络的方法第19页
        2.2.4 基于隐马尔可夫模型的方法第19-20页
        2.2.5 基于Adaboost的方法第20页
        2.2.6 基于肤色模型的方法第20页
        2.2.7 基于先验知识的方法第20-21页
        2.2.8 小结第21页
    2.3 Adaboost算法第21-28页
        2.3.1 Boosting第21-22页
        2.3.2 Adaboost方法概述第22-28页
    2.4 本章小结第28-29页
第3章 基于Adaboost算法的人脸检测第29-45页
    3.1 系统框架第29-30页
        3.1.1 训练部分第29-30页
        3.1.2 检测部分第30页
    3.2 训练过程第30-36页
        3.2.1 样本选择第30-32页
        3.2.2 提取Haar-like特征第32页
        3.2.3 弱分类器实现第32-34页
        3.2.4 强分类器实现第34-35页
        3.2.5 训练过程中Haar-like特征的优化第35-36页
    3.3 检测过程实现第36-40页
        3.3.1 检测前预处理第36-37页
        3.3.2 具体的检测过程实现第37-40页
        3.3.3 后处理过程第40页
    3.4 实验结果第40-43页
        3.4.1 训练环境第40页
        3.4.2 训练结果第40-41页
        3.4.3 检测结果与分析第41-43页
    3.5 本章小结第43-45页
第4章 人脸检测算法的FPGA实现第45-59页
    4.1 系统总体设计第45-49页
        4.1.1 系统的硬件平台第45-46页
        4.1.2 Nios Ⅱ软核SOPC系统开发环境第46页
        4.1.3 系统的需求第46-47页
        4.1.4 系统的组成第47-49页
        4.1.5 系统的结构第49页
    4.2 系统硬件设计第49-56页
        4.2.1 系统各硬件模块第49-54页
        4.2.2 SOPC系统配置第54-56页
    4.3 系统软件设计第56-58页
        4.3.1 Nios Ⅱ软核处理器第56-57页
        4.3.2 算法实现第57-58页
    4.4 本章小结第58-59页
第5章 系统调试及运行结果第59-71页
    5.1 系统调试与下载验证第59-61页
        5.1.1 系统调试第59页
        5.1.2 系统的综合编译第59-60页
        5.1.3 引脚锁定第60页
        5.1.4 下载验证第60-61页
    5.2 实验结果与分析第61-69页
    5.3 本章小结第69-71页
第6章 总结与展望第71-73页
    6.1 本文的工作总结第71页
    6.2 进一步的工作展望第71-73页
参考文献第73-77页
致谢第77页

论文共77页,点击 下载论文
上一篇:全向轮式移动机器人轨迹跟踪控制研究
下一篇:心震信号的无感觉检测及实时显示系统的设计与实现