致谢 | 第5-6页 |
摘要 | 第6-7页 |
ABSTRACT | 第7页 |
1 引言 | 第11-19页 |
1.1 项目背景与特点 | 第11-12页 |
1.2 行业潜在问题 | 第12-13页 |
1.3 国内外发展现状 | 第13-15页 |
1.3.1 人脸识别研究发展 | 第14页 |
1.3.2 人脸识别应用现状 | 第14-15页 |
1.4 项目概述与项目目标 | 第15-16页 |
1.4.1 基于机器人场景交互的人脸识别系统概述 | 第15-16页 |
1.4.2 基于机器人场景交互的人脸识别系统目标 | 第16页 |
1.5 研究过程与论文结构 | 第16-17页 |
1.5.1 研究过程 | 第16页 |
1.5.2 论文结构 | 第16-17页 |
1.6 本章小结 | 第17-19页 |
2 相关知识和技术 | 第19-33页 |
2.1 机器视觉 | 第19-20页 |
2.1.1 机器视觉的光学系统 | 第19页 |
2.1.2 机器视觉的图像处理系统 | 第19-20页 |
2.2 人脸识别 | 第20-23页 |
2.2.1 人脸识别基本流程 | 第20-21页 |
2.2.2 常用的人脸识别方法 | 第21-23页 |
2.3 卷积神经网络 | 第23-30页 |
2.3.1 神经网络 | 第23-26页 |
2.3.2 卷积神经网络 | 第26-29页 |
2.3.3 VGGNet | 第29-30页 |
2.4 CAFFE框架 | 第30-31页 |
2.5 本章小结 | 第31-33页 |
3 基于机器人场景交互的人脸识别系统需求分析 | 第33-41页 |
3.1 需求综述 | 第33-35页 |
3.1.1 产品特点分析 | 第33-34页 |
3.1.2 用户分析 | 第34-35页 |
3.1.3 业务需求 | 第35页 |
3.2 功能性需求 | 第35-38页 |
3.2.1 人脸识别相关需求 | 第35-37页 |
3.2.2 场景化相关需求 | 第37-38页 |
3.3 非功能性需求 | 第38-39页 |
3.4 本章小结 | 第39-41页 |
4 基于机器人场景交互的人脸识别系统概要设计 | 第41-49页 |
4.1 设计目标 | 第41-42页 |
4.2 系统总体功能结构 | 第42-46页 |
4.2.1 系统功能模块划分 | 第42-44页 |
4.2.2 系统流程图 | 第44-46页 |
4.3 技术架构 | 第46页 |
4.4 数据存储设计 | 第46-48页 |
4.4.1 人脸特征数据存储 | 第47页 |
4.4.2 Mysq1数据库设计 | 第47-48页 |
4.5 本章小结 | 第48-49页 |
5 基于机器人场景交互的人脸识别系统详细设计与实现 | 第49-69页 |
5.1 系统整体框架 | 第49-50页 |
5.2 人脸视觉设计与实现 | 第50-63页 |
5.2.1 人脸检测CFaceDetection类设计与实现 | 第52-53页 |
5.2.2 人脸预处理CFacePreProcess类设计与实现 | 第53-56页 |
5.2.3 人脸训练CFRTraining类设计与实现 | 第56-60页 |
5.2.4 人脸识别模块设计与实现 | 第60-63页 |
5.3 场景化设计与实现 | 第63-68页 |
5.3.1 认识新朋友CFaceTraining类设计与实现 | 第64-66页 |
5.3.2 与好朋友打招呼CfaceRecognition类设计与实现 | 第66-68页 |
5.4 本章小结 | 第68-69页 |
6 基于机器人场景交互的人脸识别系统测试 | 第69-75页 |
6.1 系统功能测试 | 第69-71页 |
6.1.1 测试环境 | 第69页 |
6.1.2 测试内容 | 第69-71页 |
6.2 系统非功能性测试 | 第71-73页 |
6.2.1 数据准确性验证 | 第71-72页 |
6.2.2 响应及时性测试 | 第72页 |
6.2.3 系统稳定性测试 | 第72-73页 |
6.3 本章小结 | 第73-75页 |
7 总结与展望 | 第75-77页 |
7.1 项目成果与总结 | 第75-76页 |
7.2 不足与展望 | 第76-77页 |
参考文献 | 第77-79页 |
作者简历及攻读硕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 |