人脸自动定位的图像视觉控制策略及其实现
| 第一章 绪论 | 第1-10页 |
| §1-1 课题的意义 | 第7页 |
| §1-2 研究现状 | 第7-9页 |
| §1-3 本论文的工作及内容安排 | 第9-10页 |
| 第二章 控制策略的理论基础—人工神经网络 | 第10-18页 |
| §2-1 人工神经网络概述 | 第10-13页 |
| 2-1-1 人工神经网络研究的起源 | 第10页 |
| 2-1-2 人工神经网络的特性 | 第10-11页 |
| 2-1-3 人工神经网络的结构 | 第11-12页 |
| 2-1-4 人工神经网络的主要学习算法 | 第12页 |
| 2-1-5 典型的人工神经网络模型 | 第12-13页 |
| §2-2 反向传播算法 | 第13-17页 |
| 2-2-1 反向传播算法 | 第13-16页 |
| 2-2-2 反向传播改进算法 | 第16-17页 |
| §2-3 小结 | 第17-18页 |
| 第三章 人脸的检测 | 第18-29页 |
| §3-1 人脸检测方法概述 | 第18-20页 |
| §3-2 人脸图像的预处理 | 第20-22页 |
| 3-2-1 32位位图转换成24位位图 | 第20-21页 |
| 3-2-2 图像的平滑 | 第21-22页 |
| 3-2-3 光线补偿处理 | 第22页 |
| §3-3 基于KL肤色的人脸初定位 | 第22-26页 |
| 3-3-1 色彩空间的选择 | 第23-25页 |
| 3-3-2 KL变换 | 第25页 |
| 3-3-3 肤色模型 | 第25-26页 |
| §3-4 人脸重心的获取 | 第26-28页 |
| 3-4-1 积分投影法确定眼睛区域 | 第27-28页 |
| 3-4-2 小灰度值聚类法获取人脸重心 | 第28页 |
| §3-5 小结 | 第28-29页 |
| 第四章 人脸自动定位的图像视觉控制策略 | 第29-35页 |
| §4-1 相关定位方法概述 | 第29-31页 |
| 4-1-1 帧间变化检测法 | 第29-30页 |
| 4-1-2 运动矢量法 | 第30-31页 |
| §4-2 基于人工神经网络的目标定位图像中心方法 | 第31-34页 |
| §4-3 人脸自动定位的图像视觉控制策略 | 第34页 |
| §4-4 小结 | 第34-35页 |
| 第五章 系统的实现 | 第35-49页 |
| §5-1 系统介绍 | 第35-39页 |
| 5-1-1 系统的开发环境 | 第35-37页 |
| 5-1-2 系统界面 | 第37-38页 |
| 5-1-3 系统的流程图 | 第38-39页 |
| §5-2 系统的编程实现 | 第39-43页 |
| 5-2-1 系统中主要函数的实现 | 第39-41页 |
| 5-2-2 系统的定位结果 | 第41-43页 |
| §5-3 系统实现中两个具体问题的解决方法 | 第43-48页 |
| 5-3-1 云台控制 | 第43-46页 |
| 5-3-2 系统中人工神经网络的训练方法 | 第46-48页 |
| §5-4 小结 | 第48-49页 |
| 第六章 结论 | 第49-50页 |
| 参考文献 | 第50-53页 |
| 致谢 | 第53-54页 |
| 攻读学位期间所取得的相关科研成果 | 第54页 |
