| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 | 第10-13页 |
| 1.1 | 第10页 |
| 1.2.2 人工智能应用领域 | 第10页 |
| 1.3 研究意义以及研究现状 | 第10-11页 |
| 1.4 本文主要内容与结构 | 第11-12页 |
| 1.5 本章小结 | 第12-13页 |
| 第2章 人脸特征检测与瞳孔定位算法综述 | 第13-21页 |
| 2.1 人脸检测算法研究 | 第13-16页 |
| 2.1.1 基于特征的人脸检测方法 | 第13-14页 |
| 2.1.2 基于模板匹配的人脸检测方法 | 第14-15页 |
| 2.1.3 基于统计的人脸检测方法 | 第15-16页 |
| 2.2 眼睛定位算法研究 | 第16-18页 |
| 2.2.1 基于灰度投影的人眼定位算法 | 第16-17页 |
| 2.2.2 基于Hough变换的人眼定位算法 | 第17-18页 |
| 2.3 瞳孔定位算法研究 | 第18-20页 |
| 2.3.1 基于滑动窗口的瞳孔定位 | 第18-19页 |
| 2.3.2 基于最小二乘曲线拟合的瞳孔定位 | 第19-20页 |
| 2.4 本章小结 | 第20-21页 |
| 第3章 基于Viola-Jones的人脸特征检测算法 | 第21-34页 |
| 3.1 Viola-Jones目标检测算法 | 第21-27页 |
| 3.1.1 Haar-like特征表示 | 第21-22页 |
| 3.1.2 积分图 | 第22-23页 |
| 3.1.3 分类器级联 | 第23-26页 |
| 3.1.4 级联分类器误差分析 | 第26-27页 |
| 3.2 基于Viola-Jones的人脸检测优化算法 | 第27-31页 |
| 3.2.1 算法提出依据 | 第27-29页 |
| 3.2.2 算法优化流程 | 第29-31页 |
| 3.3 基于Viola-Jones的眼睛定位算法 | 第31-33页 |
| 3.4 性能对比 | 第33页 |
| 3.5 本章小结 | 第33-34页 |
| 第4章 基于配准的瞳孔定位算法研究 | 第34-41页 |
| 4.1 边缘提取 | 第34-36页 |
| 4.1.1 Sobel算子 | 第34-35页 |
| 4.1.2 Log算子 | 第35页 |
| 4.1.3 Canny算子 | 第35-36页 |
| 4.1.4 边缘检测效果对比 | 第36页 |
| 4.2 图像二值化 | 第36-37页 |
| 4.3 瞳孔定位 | 第37-40页 |
| 4.4 性能统计 | 第40页 |
| 4.5 本章小结 | 第40-41页 |
| 第5章 基于嵌入式平台的瞳孔定位算法实现 | 第41-45页 |
| 5.1 实验平台 | 第41页 |
| 5.2 实验结果与分析 | 第41-44页 |
| 5.3 本章小结 | 第44-45页 |
| 第6章 总结与展望 | 第45-47页 |
| 6.1 本文工作总结 | 第45-46页 |
| 6.2 未来展望 | 第46-47页 |
| 参考文献 | 第47-51页 |
| 攻读学位期间发表的学术论文 | 第51-52页 |
| 致谢 | 第52页 |