| 摘要 | 第5-6页 |
| ABSTRACT | 第6页 |
| 引言 | 第9-11页 |
| 第1章 背景 | 第11-15页 |
| 1.1 人脸识别 | 第11-12页 |
| 1.1.1 国内外现状 | 第11页 |
| 1.1.2. 经典算法 | 第11-12页 |
| 1.2 机器学习 | 第12-15页 |
| 第2章 用于安保服务机器人的实时人脸识别 | 第15-43页 |
| 2.1 安保服务机器人 | 第15-16页 |
| 2.2 视觉模块总流程图 | 第16-17页 |
| 2.3 预处理与降维 | 第17-26页 |
| 2.3.1 对齐 | 第17-20页 |
| 2.3.2 降维 | 第20-26页 |
| 2.4 基于局部二值的人脸检测 | 第26-32页 |
| 2.4.1 局部二值基本原理 | 第26-29页 |
| 2.4.2 对LBP特征向量进行提取的步骤 | 第29页 |
| 2.4.3 人脸检测 | 第29-32页 |
| 2.5 基于SVM的人脸识别 | 第32-36页 |
| 2.5.1 SVM基本原理 | 第32-36页 |
| 2.5.2 人脸识别 | 第36页 |
| 2.6 实验过程与结果 | 第36-43页 |
| 2.6.1 步骤 | 第36-37页 |
| 2.6.2 实际中功能演示 | 第37-43页 |
| 第3章 带遮挡的人脸识别 | 第43-65页 |
| 3.1 卷积神经网络 | 第43-52页 |
| 3.1.1 神经元 | 第43-45页 |
| 3.1.2 深度学习 | 第45-46页 |
| 3.1.3 Convolutional Neural Networks卷积神经网络(CNN) | 第46-49页 |
| 3.1.4 DeepID | 第49页 |
| 3.1.5 各层之间的连接方式 | 第49-52页 |
| 3.2 分类器 | 第52-57页 |
| 3.2.1 余弦距离 | 第52-53页 |
| 3.2.2 联合贝叶斯分类器 | 第53-57页 |
| 3.3 人脸识别算法流程 | 第57-59页 |
| 3.4 实验结果 | 第59-65页 |
| 3.4.1 对齐结果 | 第59页 |
| 3.4.2 CNN训练结果 | 第59-61页 |
| 3.4.3 分类器训练结果 | 第61-62页 |
| 3.4.4 不带遮挡不同分类器实验结果比较 | 第62页 |
| 3.4.5 带遮挡实验 | 第62-65页 |
| 第4章 总结与展望 | 第65-67页 |
| 4.1 用于家庭安保服务机器人的人脸识别 | 第65-66页 |
| 4.2 带遮挡的人脸识别 | 第66-67页 |
| 参考文献 | 第67-71页 |
| 致谢 | 第71-73页 |
| 在读期间发表的学术论文与取得的其他研究成果 | 第73页 |