|
|
|
|
迎宾机器人人脸识别系统的设计与实现 |
| |
| 论文目录 |
| |
| 摘要 | 第3-5页 | | Abstract | 第5-6页 | | 第1章 绪论 | 第10-18页 | | 1.1 研究背景及意义 | 第10-14页 | | 1.2 国内外研究现状 | 第14-16页 | | 1.2.1 传统的人脸识别方法 | 第14-15页 | | 1.2.2 基于深度学习的人脸识别方法 | 第15-16页 | | 1.3 研究内容及论文结构 | 第16-18页 | | 第2章 融合Retinex的AdaBoost人脸检测 | 第18-33页 | | 2.1 引言 | 第18页 | | 2.2 人脸检测方法 | 第18-20页 | | 2.2.1 基于先验知识的人脸检测方法 | 第18-19页 | | 2.2.2 基于统计学习的人脸检测方法 | 第19-20页 | | 2.3 基于AdaBoost的人脸检测算法的研究 | 第20-26页 | | 2.3.1 AdaBoost的理论基础 | 第21-22页 | | 2.3.2 Haar特征与积分图 | 第22-25页 | | 2.3.3 级联分类器的设计 | 第25-26页 | | 2.4 融合Retinex的人脸检测 | 第26-32页 | | 2.4.1 Retinex算法 | 第27-29页 | | 2.4.2 改进的多尺度Retinex算法 | 第29-30页 | | 2.4.3 实验与结果分析 | 第30-32页 | | 2.5 本章小结 | 第32-33页 | | 第3章 基于卷积神经网络的人脸识别 | 第33-50页 | | 3.1 引言 | 第33页 | | 3.2 卷积神经网络 | 第33-38页 | | 3.2.1 网络结构 | 第33-35页 | | 3.2.2 前馈运算 | 第35页 | | 3.2.3 反馈运算 | 第35-37页 | | 3.2.4 基本模块 | 第37-38页 | | 3.3 人脸识别的原理 | 第38-40页 | | 3.4 人脸数据集 | 第40-41页 | | 3.5 深度学习框架的应用和实现 | 第41-44页 | | 3.5.1 常见的深度学习框架 | 第42-43页 | | 3.5.2 框架的选择 | 第43-44页 | | 3.6 深度学习网络模型的应用和实现 | 第44-49页 | | 3.6.1 常见的深度学习网络模型 | 第44-45页 | | 3.6.2 FaceNet网络模型 | 第45-48页 | | 3.6.3 实验与结果分析 | 第48-49页 | | 3.7 本章小结 | 第49-50页 | | 第4章 人脸识别系统的需求分析与概要设计 | 第50-57页 | | 4.1 系统需求分析 | 第50-52页 | | 4.1.1 需求综述 | 第50-51页 | | 4.1.2 功能性需求 | 第51-52页 | | 4.1.3 非功能性需求 | 第52页 | | 4.2 系统概要设计 | 第52-56页 | | 4.2.1 设计目标 | 第52-53页 | | 4.2.2 系统总体功能结构 | 第53-54页 | | 4.2.3 云平台架构设计 | 第54-55页 | | 4.2.4 云平台数据库设计 | 第55-56页 | | 4.3 本章小结 | 第56-57页 | | 第5章 人脸识别系统的实现与测试 | 第57-66页 | | 5.1 系统开发平台 | 第57-59页 | | 5.1.1 迎宾机器人 | 第57-58页 | | 5.1.2 搭建开发环境 | 第58-59页 | | 5.2 系统功能模块实现 | 第59-61页 | | 5.2.1 会员注册模块 | 第59页 | | 5.2.2 人脸识别模块 | 第59-60页 | | 5.2.3 云平台服务器模块 | 第60-61页 | | 5.3 系统功能测试 | 第61-65页 | | 5.4 本章小结 | 第65-66页 | | 第6章 总结与展望 | 第66-67页 | | 6.1 本文工作总结 | 第66页 | | 6.2 工作展望 | 第66-67页 | | 参考文献 | 第67-70页 | | 攻读学位期间取得的研究成果 | 第70-71页 | | 致谢 | 第71页 |
|
|
|
|
论文编号BS4153703，这篇论文共71页
会员购买按0.35元/页下载，共需支付24.85元。 直接购买按0.5元/页下载，共需要支付35.5元 。 |
 |
 |
我还不是会员，注册会员！
会员下载更优惠!充值送钱！ |
我只需要这篇，无需注册！
直接网上支付，方便快捷！ |
|
|
|
版权申明：本目录由www.jylw.com网站制作，本站并未收录原文，如果您是作者，需要删除本篇论文目录请通过QQ或其它联系方式告知我们，我们承诺24小时内删除。 |
|
|
广告服务