面向迎宾机器人的人脸识别关键技术研究
| 中文摘要 | 第3-4页 |
| 英文摘要 | 第4页 |
| 1 绪论 | 第8-20页 |
| 1.1 研究背景及意义 | 第8-12页 |
| 1.2 人脸识别技术国内外现状 | 第12-16页 |
| 1.3 主要研究内容及论文结构 | 第16-20页 |
| 1.3.1 主要研究内容 | 第16-17页 |
| 1.3.2 论文结构安排 | 第17-20页 |
| 2 融合AdaBoost和肤色分割的人脸检测方法 | 第20-46页 |
| 2.1 引言 | 第20页 |
| 2.2 人脸检测方法 | 第20-23页 |
| 2.2.1 基于知识的人脸检测方法 | 第20-21页 |
| 2.2.2 基于特征的人脸检测方法 | 第21页 |
| 2.2.3 基于模板匹配的人脸检测方法 | 第21-22页 |
| 2.2.4 基于统计学习的人脸检测方法 | 第22-23页 |
| 2.3 AdaBoost算法 | 第23-29页 |
| 2.3.1 Haar-like矩形特征 | 第24-28页 |
| 2.3.2 AdaBoost算法的基本原理 | 第28-29页 |
| 2.4 分类器的训练 | 第29-32页 |
| 2.4.1 弱分类器的训练 | 第29-30页 |
| 2.4.2 强分类器的学习 | 第30-31页 |
| 2.4.3 级联分类器的构造 | 第31-32页 |
| 2.5 基于肤色的人脸检测 | 第32-39页 |
| 2.5.1 人脸肤色分布模型 | 第33-37页 |
| 2.5.2 人脸肤色区域分割 | 第37-39页 |
| 2.6 人脸检测过程 | 第39-42页 |
| 2.7 实验结果及分析 | 第42-45页 |
| 2.8 本章小结 | 第45-46页 |
| 3 人脸矫正算法及其实现 | 第46-58页 |
| 3.1 引言 | 第46页 |
| 3.2 常用的对齐算法及分类 | 第46-50页 |
| 3.3 SDM算法原理 | 第50-52页 |
| 3.4 仿射变换 | 第52-53页 |
| 3.5 人脸矫正的实现 | 第53-54页 |
| 3.6 实验结果与分析 | 第54-57页 |
| 3.7 本章小结 | 第57-58页 |
| 4 人脸识别算法及其实现 | 第58-78页 |
| 4.1 引言 | 第58页 |
| 4.2 人脸图像特征提取方法 | 第58-65页 |
| 4.3 基于局部LBPH特征的人脸识别方法 | 第65-66页 |
| 4.4 实验结果及分析 | 第66-76页 |
| 4.5 本章小结 | 第76-78页 |
| 5 总结与展望 | 第78-80页 |
| 5.1 工作总结 | 第78页 |
| 5.2 研究展望 | 第78-80页 |
| 致谢 | 第80-82页 |
| 参考文献 | 第82-86页 |
| 附录 | 第86页 |
| A. 作者在攻读硕士学位期间发表的论文及专利 | 第86页 |
| B. 作者在攻读硕士学位期间参加的科研项目 | 第86页 |
