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DSP的多姿态人脸检测算法研究与实现

摘要第5-6页
Abstract第6-7页
第1章 绪论第11-19页
    1.1 选题背景及意义第11-12页
    1.2 人脸检测技术研究现状第12-15页
        1.2.1 国内外研究现状第12-13页
        1.2.2 人脸检测技术方法第13-15页
    1.3 人脸检测系统的评价指标第15-16页
    1.4 本文的主要工作及架构第16-17页
    1.5 本章小结第17-19页
第2章 相关理论介绍第19-35页
    2.1 形态学图像处理第19-21页
        2.1.1 基本形态学运算第19-20页
        2.1.2 开运算与闭运算第20-21页
    2.2 图像增强技术第21-23页
        2.2.1 白平衡实现光照补偿第21-22页
        2.2.2 参考白算法实现光照补偿第22页
        2.2.3 直方图均衡化第22-23页
    2.3 图像滤波处理第23-24页
        2.3.1 邻域滤波第23-24页
        2.3.2 中值滤波第24页
    2.4 颜色空间理论第24-28页
        2.4.1 颜色空间第25页
        2.4.2 RGB彩色空间第25-26页
        2.4.3 HSV颜色空间第26页
        2.4.4 YCbCr彩色空间第26-28页
    2.5 Adaboost算法理论第28-34页
        2.5.1 AdaBoost算法提出的背景第28页
        2.5.2 Adaboost方法原理第28-34页
    2.6 本章小结第34-35页
第3章 基于肤色分割的人脸检测第35-49页
    3.1 人脸检测流程第35-36页
    3.2 肤色建模及图像预处理第36-39页
        3.2.1 肤色模型的建立第36-37页
        3.2.2 人脸图像的直方图均衡化处理第37-39页
        3.2.3 光照补偿处理第39页
    3.3 人脸检测实现过程第39-46页
        3.3.1 肤色提取第39-41页
        3.3.2 滤波去噪第41-42页
        3.3.3 肤色区域的形态学处理第42-43页
        3.3.4 人脸区域分割及筛选第43-44页
        3.3.5 人脸检测仿真结果第44-46页
    3.4 算法检测结果分析第46页
    3.5 本章小结第46-49页
第4章 肤色与AdaBoost算法的人脸检测第49-63页
    4.1 肤色与AdaBoost算法结合的检测流程第49-51页
        4.1.1 训练部分第50页
        4.1.2 检测部分第50-51页
    4.2 Adaboost算法训练过程第51-55页
        4.2.1 选取样本第51-53页
        4.2.2 提取Haar-like特征第53页
        4.2.3 积分图计算Haar-like特征第53页
        4.2.4 弱分类器实现第53-54页
        4.2.5 强分类器实现第54-55页
    4.3 人脸检测过程实现第55-57页
        4.3.1 检测前肤色分割处理第56页
        4.3.2 具体检测定位第56-57页
    4.4 实验检测结果及分析第57-62页
        4.4.1 检测结果第57-61页
        4.4.2 检测结果分析第61-62页
    4.5 本章小结第62-63页
第5章 人脸检测算法DM6437硬件实现第63-77页
    5.1 DSP系统硬件构成第63-66页
        5.1.1 ICETEK-DM6437-B评估板第63-64页
        5.1.2 DSP数字图像处理芯片第64-65页
        5.1.3 XDS560仿真器第65-66页
        5.1.4 DSP/BIOS系统配置第66页
    5.2 DSP图像处理系统软件开发环境第66-67页
    5.3 人脸检测算法的实现第67-72页
        5.3.1 人脸检测算法流程第67-69页
        5.3.2 图像预处理第69-70页
        5.3.3 人脸定位第70-72页
    5.4 测试结果与分析第72-76页
        5.4.1 系统测试环境第72-73页
        5.4.2 部分测试效果第73-75页
        5.4.3 系统测试结果分析第75-76页
    5.5 本章小结第76-77页
第6章 总结与展望第77-79页
    6.1 工作总结第77-78页
    6.2 后续展望第78-79页
参考文献第79-83页
致谢第83页

论文共83页,点击 下载论文
上一篇:MG环境下首选公司克罗诺斯腕表营销战略的制定与实施
下一篇:遗传算法和模糊评价方法在教师绩效考核中的应用研究