| 摘要 | 第3-4页 |
| Abstract | 第4-5页 |
| 第1章 绪论 | 第9-15页 |
| 1.1 研究背景及意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-12页 |
| 1.3 课题来源 | 第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 系统总体方案设计与人脸检测 | 第15-27页 |
| 2.1 系统总体方案设计 | 第15-16页 |
| 2.2 多姿态人脸检测 | 第16-22页 |
| 2.2.1 人脸检测方法选定 | 第16-17页 |
| 2.2.2 基于AdaBoost的人脸检测原理 | 第17-19页 |
| 2.2.3 基于肤色分割和AdaBoost算法的多姿态人脸检测 | 第19-22页 |
| 2.3 图像预处理 | 第22-26页 |
| 2.3.1 人脸图像尺寸归一化 | 第23-24页 |
| 2.3.2 人脸图像灰度化 | 第24-25页 |
| 2.3.3 直方图均衡化 | 第25-26页 |
| 2.4 本章小结 | 第26-27页 |
| 第3章 融合二阶HOG与CS-LBP的人脸姿态特征提取 | 第27-42页 |
| 3.1 头部姿态估计方法研究 | 第27-31页 |
| 3.1.1 头部姿态估计方法对比 | 第27-31页 |
| 3.1.2 头部姿态估计方法选定 | 第31页 |
| 3.2 融合二阶HOG与CS-LBP的人脸姿态特征提取 | 第31-37页 |
| 3.2.1 二阶HOG算法原理 | 第32-34页 |
| 3.2.2 CS-LBP算法原理 | 第34-36页 |
| 3.2.3 二阶HOG与CS-LBP特征融合 | 第36-37页 |
| 3.3 基于融合特征的KPCA降维 | 第37-38页 |
| 3.4 实验结果与分析 | 第38-41页 |
| 3.5 本章小结 | 第41-42页 |
| 第4章 基于改进随机森林算法的头部姿态估计 | 第42-53页 |
| 4.1 随机森林算法的理论基础 | 第42-44页 |
| 4.1.1 决策树理论 | 第42-43页 |
| 4.1.2 随机森林原理 | 第43-44页 |
| 4.2 基于改进随机森林算法的头部姿态估计 | 第44-50页 |
| 4.2.1 蜜蜂交配优化算法 | 第45-46页 |
| 4.2.2 基于改进蜜蜂交配优化的随机森林算法 | 第46-49页 |
| 4.2.3 基于改进随机森林算法的头部姿态估计 | 第49-50页 |
| 4.3 实验结果与分析 | 第50-52页 |
| 4.3.1 实验参数讨论分析 | 第50-51页 |
| 4.3.2 不同数据库下的对比实验及结果分析 | 第51-52页 |
| 4.4 本章小结 | 第52-53页 |
| 第5章 基于头部姿态估计的人机交互系统实现 | 第53-64页 |
| 5.1 基于头部姿态估计的智能轮椅人机交互系统设计 | 第53-57页 |
| 5.1.1 硬件系统结构 | 第53-55页 |
| 5.1.2 软件开发环境 | 第55-56页 |
| 5.1.3 基于头部姿态估计的智能轮椅人机交互系统框架 | 第56-57页 |
| 5.2 智能轮椅运动控制验证与结果分析 | 第57-63页 |
| 5.2.1 头部姿态控制指令 | 第57-58页 |
| 5.2.2 不同光照环境下的鲁棒性实验验证 | 第58-59页 |
| 5.2.3 不同实验者对系统控制的测试分析 | 第59-63页 |
| 5.3 本章小结 | 第63-64页 |
| 第6章 结束语 | 第64-66页 |
| 6.1 全文总结 | 第64-65页 |
| 6.2 后续研究工作 | 第65-66页 |
| 参考文献 | 第66-71页 |
| 致谢 | 第71-72页 |
| 攻读硕士学位期间从事的科研工作及取得的成果 | 第72页 |
