| 摘要 | 第1-6页 |
| ABSTRACT | 第6-8页 |
| 致谢 | 第8-12页 |
| 图标清单 | 第12-14页 |
| 第一章 绪论 | 第14-22页 |
| ·家庭服务机器人 | 第14-17页 |
| ·家庭服务机器人的用途 | 第14-15页 |
| ·家庭服务机器人的研究现状 | 第15-16页 |
| ·RoboCup 家庭服务机器人组比赛 | 第16-17页 |
| ·机器人视觉 | 第17-19页 |
| ·机器人视觉、计算机视觉、人类视觉 | 第17-18页 |
| ·家庭环境下的视觉感知 | 第18页 |
| ·家庭服务机器人的视觉系统 | 第18-19页 |
| ·模式识别概述 | 第19-20页 |
| ·模式及模式识别 | 第19页 |
| ·模式空间、特征空间、类型空间 | 第19-20页 |
| ·模式识别系统的基本构成 | 第20页 |
| ·本文的研究内容与结构 | 第20-22页 |
| ·本文的研究内容 | 第20页 |
| ·本文结构 | 第20-22页 |
| 第二章 家庭服务机器人模式识别建模方法 | 第22-34页 |
| ·家庭服务机器人的模式识别系统 | 第22-23页 |
| ·家庭服务机器人模式识别系统要求 | 第22页 |
| ·家庭服务机器人模式识别系统构成 | 第22-23页 |
| ·数字图像预处理 | 第23-26页 |
| ·灰度直方图 | 第23-24页 |
| ·色彩直方图 | 第24-25页 |
| ·阈值与图像分割 | 第25-26页 |
| ·特征提取 | 第26-29页 |
| ·特征与特征向量 | 第26-27页 |
| ·形状特征 | 第27-28页 |
| ·MER | 第27页 |
| ·矩形度 | 第27页 |
| ·圆形度 | 第27-28页 |
| ·不变矩 | 第28-29页 |
| ·LBP 特征 | 第29页 |
| ·目标识别与人脸识别 | 第29-32页 |
| ·目标识别 | 第29-31页 |
| ·专用目标识别 | 第29-30页 |
| ·目标识别面临的几个问题 | 第30页 |
| ·目标识别系统构成 | 第30-31页 |
| ·人脸识别 | 第31-32页 |
| ·人脸识别在身份认证中的优势 | 第31-32页 |
| ·人脸识别的应用领域 | 第32页 |
| ·人脸识别系统构成 | 第32页 |
| ·本章小结 | 第32-34页 |
| 第三章 基于形状不变矩的家庭服务机器人目标识别 | 第34-43页 |
| ·目标识别方法介绍 | 第34-35页 |
| ·基于形状信息的目标识别 | 第34页 |
| ·基于亮度的目标识别 | 第34-35页 |
| ·基于特征的目标识别 | 第35页 |
| ·实时图像的预处理 | 第35-38页 |
| ·图像分割 | 第35-37页 |
| ·去噪 | 第37页 |
| ·灰度化处理 | 第37-38页 |
| ·基于不变矩的目标识别算法 | 第38-41页 |
| ·形状不变矩提取方法 | 第38-40页 |
| ·目标识别算法介绍 | 第40-41页 |
| ·实验结果 | 第41-42页 |
| ·本章小结 | 第42-43页 |
| 第四章 家庭环境下基于改进的 PCA 的人脸识别方法研究 | 第43-53页 |
| ·人脸识别方法介绍 | 第43-45页 |
| ·人脸识别的三类方法 | 第43-44页 |
| ·基于统计的识别方法 | 第43页 |
| ·基于连接机制的识别方法 | 第43页 |
| ·基于非二维灰度图像的方法 | 第43-44页 |
| ·特征脸 | 第44-45页 |
| ·家庭环境下基于改进的 PCA 的人脸识别算法 | 第45-50页 |
| ·人脸检测与定位 | 第45-48页 |
| ·特征脸的计算 | 第48-49页 |
| ·基于改进的 PCA 的人脸识别算法 | 第49-50页 |
| ·实验与分析 | 第50-52页 |
| ·实验结果 | 第50-52页 |
| ·算法的优缺点分析 | 第52页 |
| ·本章小结 | 第52-53页 |
| 第五章 总结与展望 | 第53-55页 |
| ·工作总结 | 第53页 |
| ·未来工作展望 | 第53-55页 |
| 参考文献 | 第55-59页 |
| 附录1：研究生期间参与的主要科研项目 | 第59页 |
| 附录2：攻读硕士学位期间发表的论文 | 第59页 |
| 附录3：HfutEngine 家庭服务机器人组比赛成绩 | 第59-60页 |