| 摘要 | 第3-4页 |
| abstract | 第4-5页 |
| 第1章 绪论 | 第9-15页 |
| 1.1 课题研究背景及意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-11页 |
| 1.3 课题来源 | 第11-12页 |
| 1.4 主要研究内容 | 第12-13页 |
| 1.5 章节安排 | 第13-14页 |
| 1.6 本章小结 | 第14-15页 |
| 第2章 人脸识别系统总体方案 | 第15-26页 |
| 2.1 人脸识别系统总体方案 | 第15-16页 |
| 2.2 人脸检测 | 第16-21页 |
| 2.2.1 人脸检测方法的比较及选定 | 第16-17页 |
| 2.2.2 基于AdaBoost算法的人脸检测 | 第17-21页 |
| 2.3 图像预处理 | 第21-25页 |
| 2.3.1 人脸图像灰度化 | 第21-22页 |
| 2.3.2 直方图均衡化 | 第22-23页 |
| 2.3.3 人脸图像尺度归一化 | 第23-25页 |
| 2.4 本章小结 | 第25-26页 |
| 第3章 基于兴趣点定位的改进LDP人脸特征提取 | 第26-41页 |
| 3.1 人脸特征提取方法研究 | 第26-29页 |
| 3.1.1 常用人脸特征提取算法研究与比较 | 第26-28页 |
| 3.1.2 人脸特征提取方法的选定 | 第28-29页 |
| 3.2 基于LDP的人脸特征提取 | 第29-33页 |
| 3.2.1 LDP特征提取方法基本原理 | 第29-31页 |
| 3.2.2 基于LDP的人脸识别实验及结果分析 | 第31-33页 |
| 3.3 基于兴趣点定位的改进LDP人脸特征提取 | 第33-39页 |
| 3.3.1 基于兴趣点定位的改进LDP人脸特征提取原理 | 第34-38页 |
| 3.3.2 基于兴趣点定位的改进LDP人脸识别实验及结果分析 | 第38-39页 |
| 3.4 本章小结 | 第39-41页 |
| 第4章 基于改进的SVM人脸识别 | 第41-55页 |
| 4.1 人脸识别方法的研究 | 第41-45页 |
| 4.1.1 基于人工神经网络的分类方法 | 第41-42页 |
| 4.1.2 基于隐马尔可夫的分类方法 | 第42-44页 |
| 4.1.3 基于SVM的分类方法 | 第44页 |
| 4.1.4 人脸分类识别方法的选定 | 第44-45页 |
| 4.2 基于SVM的人脸识别方法 | 第45-50页 |
| 4.2.1 SVM算法的基本原理 | 第45-48页 |
| 4.2.2 SVM多类分类器构造 | 第48-50页 |
| 4.3 基于改进SVM的人脸识别及实验分析 | 第50-54页 |
| 4.3.1 改进的一对一投票SVM基本原理 | 第50-53页 |
| 4.3.2 基于改进SVM的人脸识别实验及结果分析 | 第53-54页 |
| 4.4 本章小结 | 第54-55页 |
| 第5章 人脸识别在服务机器人平台上的集成实现 | 第55-66页 |
| 5.1 人脸识别控制系统设计 | 第55-56页 |
| 5.2 系统软硬件 | 第56-60页 |
| 5.2.1 硬件系统结构 | 第56-58页 |
| 5.2.2 软件开发环境搭建 | 第58-60页 |
| 5.3 人脸识别系统在服务机器人上的集成实现与实验分析 | 第60-65页 |
| 5.3.1 基于人脸识别的服务机器人运动控制实验 | 第60-62页 |
| 5.3.2 实验结果分析 | 第62-65页 |
| 5.4 本章小结 | 第65-66页 |
| 第6章 全文总结与展望 | 第66-68页 |
| 6.1 全文总结 | 第66-67页 |
| 6.2 展望 | 第67-68页 |
| 参考文献 | 第68-73页 |
| 致谢 | 第73-74页 |
| 攻读硕士学位期间从事的科研工作及取得的成果 | 第74页 |
