声明
致谢
摘要
1 引言
1.1 智能机器人概述
1.2 人脸检测概述
1.2.1 人脸检测技术方法的研究
1.2.2 基于GPU加速的人脸检测技术研究现状
1.3 人脸检测系统评价标准
1.4 本文研究内容与目标
1.5 论文组织结构
2 算法原理与CUDA简介
2.1 基于Adaboost人脸检测算法原理
2.1.1 算法过程详述
2.1.2 Haar特征
2.1.3 分类器级联
2.1.4 人脸检测过程简述
2.2 人脸跟踪算法研究
2.3 CUDA并行编程平台简介
2.4 本章小结
3 并行化人脸检测算法的设计与实现
3.1 图像灰度化并行设计与实现
3.2 金字塔图像生成并行设计与实现
3.2.1 并行化图像放缩设计与实现
3.2.2 并行化拼接金字塔图像设计与实现
3.3 积分图计算并行设计与实现
3.4 人脸检测并行设计与实现
3.5 本章小结
4 机器人人脸检测系统需求定义
4.1 系统概述
4.2 系统功能性需求定义
4.2.1 人脸样本管理模块需求定义
4.2.2 GPU端人脸检测模块需求定义
4.2.3 人脸跟踪模块需求定义
4.3 系统用例分析
4.4 系统界面需求定义
4.5 系统性能需求
4.6 本章小结
5 系统总体构思与设计
5.1 系统设计原则
5.2 系统总体流程设计
5.3 系统关键模块功能性设计
5.3.1 人脸样本管理模块设计
5.3.2 人脸检测模块设计
5.3.3 人脸跟踪模块设计
5.4 本章小结
6 系统详细设计与实现
6.1 人脸样本管理模块详细设计与实现
6.2 人脸检测详细设计与实现
6.2.1 分类器训练系统设计与实现
6.2.2 GPU端人脸检测设计
6.2.2 GPU端人检测实现
6.3 人脸跟踪详细设计与实现
6.3.1 人脸跟踪流程设计
6.3.2 人脸跟踪算法研究
6.3.3 人脸跟踪功能实现
6.4 本章小结
7 系统验证
7.1 测试环境
7.2 结果与分析
7.3 本章小结
8 总结与展望
8.1 研究总结
8.2 前景展望
参考文献
作者简历及攻读硕士/博士学位期间取得的研究成果
学位论文数据集