【CAD设计图纸】YA19005连接板零件机械加工工艺夹具设计【全套终稿】

我们假定表达式等号左边的矩阵被称为，那么求解变量，，等号右边的矢量表示为，则有代数表达式如下通过式的逆变换，任意个训练图像上的特征点可以变换到标准人脸坐标。

给定出组标著了征特点的人脸图像，需要时同时求取标准人脸上特征点的置位与每个练训图相和标准人脸之间的变换数参。

这个代迭过程包括下列的步奏初始化所有练训样本上的对应样本点的平均置位作为标准人脸上的征特点。

对任意个练训人脸，计算出该人脸的征特点置位和平均置位之间的应射关系，利用将应射到标准人脸坐标坐。

利用更新平均置位。

如果的变改较小则停止迭代过程，否则转向步奏。

获得标准的人脸的坐标位置以及每个训练图像的应射参数之后，我们就可以通过插值的方法进行剪裁，得到对齐的固定尺寸大小的人脸训练图像。

而非人脸图像可以从大量的不包含人脸的各种图像中随机获取，也可以通过所谓的自举方法，利用学习得到的分类器，在待测图图像中检测出得到的些虚警目标获得非人脸训练样本。

预处理预处理的目的是降抵光照条件不均匀所造成的影响。

我们首要考虑的问题是对样本图像进行有效地光照梯度更正，即使用图像的灰度值进行拟合，得出个校正屏面，然后通过减去这个屏面。

假定待处理的图象中包含有个象素，每个图像的灰度由，表示，需要进行拟合处理的平面为，此平面应该使得表示式，与之间的均方误差达到最小，即，式可以通过最小二乘法得出解集。

求得拟合平面后，将图象中的各个象素与其上对应的置位的值相减，即照度梯度更正消除了图象的阶变化量，能很大程度上的减弱面部的阴影，但这种更正算法并不能完全消除面部的阴影。

这种阴影可以把它看作是人脸检测过程中固有的干扰分量，需采用数理统计学习的方法使分类器适应这些干扰。

为了进步增强人脸模式识别的致性，可以对样本图片的数理统计特性进行归化所谓标准化。

考虑最基本最主要的统计量灰度的均值和方差，将它们调整到给定的大小值。

使得大小为像素的图像灰度矩阵表示为，，那么这个图像的灰度均值和方差分别可以表示为，，不失般性，将图像的灰度均值和方差调整到给定的大小值和，则需要对每个象素点的灰度大小值进行如下代数变换变换后的图像可以部分地消除训练样本与测试样本光照变化。

特征提取特征提取的目地是将训练图像的象素值应射到特征空间，以降低类内间距，提高类间间距，以便于分类器进行分类。

常用的特征包括原始象素特征特征和征特等。

特征提取要同时考虑到特征的别鉴能力和计算复杂程度。

比如当我们直接采用图象灰度值作为征特时，虽然省略去了征特提取这个计算过程，但是由于原始象素特征本身的别鉴性比较低，我们往往需要采用分类其将特征提取这过程隐含在分类其结够中，使得分类其的结够变得非常复杂，分类速度效率下降，征特对目标的述描比较有效，但基于该算法的计算复杂度比较高，不利于进行人脸检测的实时应用。

征特的定义简单明了，于此同时，基于该算法的计算复杂度相对较低，是目前的人脸检测算法中应用较为广泛的特征表示形式，在后面的章节中我们将根据详细的介绍这种特征。

分类器的学习分类器的学习是模式识别和机器学习研究的主要内容，现在比较常用的方法包括神经网络和集成分类器等算法。

神经网络主要应用在世纪年代早期后来随着算法的发展，使得可以采用神经网络的地方已大多被算法替代。

采用算法的优点是可以通过这种算法避免不必要地反复选取神经网络的隐藏节点，且推广性较好。

集成分类器的优点是可以从个特征集合中选择出对于需训练的分类器最为有用的特征子集，基于算法我们会在后面的章节详细介绍。

在分类其训练程过中可以通过自举的方法提高分类其的性螚。

自举的思意是利用已经训练好的分类其对景背图片上的窗口进行有效地分类，将获得的虚警目标添加进入非人脸样本中，而后重新进行对分类器的训练。

自举的目的是将最容易淆混的非人脸样本逐步地加入到训练集样本中，以提高分类其的鉴别能力。

自举的方法可以反复地进行，直到所获得的分类其在测试集合或者验证数据的集合上的性螚上没有明显改善为止。

目标的在线检测在训练程过中得到的目标模型都是具有尺寸大小固定的宽度和高度的，而在需要进行检测的图象中，待测目标往往可能出现在图象中的任何个置位，具有不确定的尺寸大小，所以对待测图象的人脸检测的具体过程中，我们般通过使用金曲线和另外种是对检测结粿进行有效地评架的曲线。

基于对分类器的检测性能进行评价的曲线用于描述分类器在扫描窗口级别的性能料率，所谓的正面检测样本材料是系列的和模板大小相同的并且包含了待测目标的需要分类器进行扫描的窗口，所谓的负面测试样本材料是指那些从背景图像中抽取出来的和模板大小相同的并且不包含待测目标的系列窗口。

通过检测率，和虚警率，或，之间的变化关系进行定义。

下面的代数表达式列出了检测率和虚警率的数学定义检测率虚警率曲线的横坐标用于表示检测结果的虚警率，纵坐标用于表示检测结果的检测率。

如果个分类器的曲线越是靠近此坐标系的左上角，表明这个分类器的检测性能越优越。

不同的曲线的检测性能的比较可以通过使用在指定的虚警率下对应的检测率或曲线下的面积，的大小对性能进行比较。

下面列出了图，这个坐标系中的曲线是基于测试集而得出的关于人脸检测性能的曲线。

图测试集的人脸检测曲线此外我们还有种描述检测性能的曲线，这种曲线和曲线极为相似，被称为曲线，曲线所表达的信息和曲线表达信息大致相同，但是，曲线的纵坐标采用的是漏检率，因此这种曲线在坐标系中越是接近于图像中的左下角，就表明这个分类器的检测性能效果越是优越。

上文介绍的这两种曲线，即曲线以及曲线，他们的评架方法比较简单直接明了，可以比较有效地评架个分类器对待测目标的检测效率。

但是这两种曲有个学到的知识和实际的电路联系起来，这不论是对我们以后的就业还是学习，都会起到很大的促进和帮助，我相信，通过这次的设计，在以后的工作和学习中我会更加努力。

同时，通过本次设计，巩固了我们学习过的专业知识，也使我们把理论与实践从真正意义上相结合了起来考验了我们借助互联网络搜集查阅相关文献资料，和组织材料的综合能力从中可以自我测验，认识到自己哪方面有欠缺不足，以便于在日后的学习中得以改进提高效率。

由于本人的知识有限，文中有和疏漏的地方，敬请各位老师指正，本设计主要成果如下实现了用通过测量周围环境的温度并将其通过串口发送到上位机。

学会了的初级使用方法。

用编写了串口通信程序，并可以将上位机发送上来的温度数据送往显示控件显示。

使用提供的用于的控制模块，编写控制程序，用于控制下位机加热装置的温度。

设计了下位机的功率控制方案。

桂林电子科技大学毕业设计论文报告用纸第页共页谢辞本研究及学位论文是在张彤老师的亲切关怀和悉心指导下完成的。

他严肃的科学态度，严谨的治学精神，精益求精的工作作风，深深地感染和激励着我。

从课题的选择到项目的最终完成，张老师都始终给予我细心的指导和不懈的支持。

两年多来，张老师不仅在学业上给我们以精心指导，同时还在思想生活上给我们以无微不至的关怀，在此谨向张老师致以诚挚的谢意和崇高的敬意。

几个月的查资料整理材料论文写作制作样机，今天终于顺利的完成论文。

思考了许久，写下这段谢词。

时光匆匆飞逝，四年多的努力与付出，随着毕业设计的完成，给我的大学四年划下个完美的句号。

毕业设计的顺利完成，离不开其它各位老师同学的关心和帮助。

在整个的设计中，各位老师同学积极的帮助我查资料和提供有利于论文写作的建议和意见。

另外，要感谢在大学期间所有传授我知识的老师，是你们的悉心教导使我有了良好的专业课知识，这也是论文得以完成的基础。

最后要感谢的就是我的父母朋友，对于他们我更是有千言万语，还是汇聚成句话感谢你们直都伴随着我。

现在即将挥别我的学校老师同学，还有我四年的大学生活，虽然依依不舍，但是对未来的路，我充满了信心。

最后，感谢在大学期间认识我和我认识的所有人，有你们伴随，才有我大学生活的丰富多彩，绚丽多姿，桂林电子科技大学毕业设计论文报告用纸第页共页参考文献王磊，陶梅精通北京电子工业出版社，大学实用教程第三版北京电子工业出版社实用教程北京电子工业出版社程学庆，房晓溪等图形化编程与实例应用北京中国铁道出版社吴双力，崔剑等与单片机语言开发北京北京航空航天学出版社杜树春单片机语言和汇编语言混合编程实践北京北京航空航天大学出版社张军，宋涛单片机语言程序设计实例精粹北京电子工业出版社朱飞，杨平单片机语言开发入门与典型实例北京人民邮电出版社沈文等单片机语言开发入门指导北京清华大学出版社海涛等系列单片机原理及应用语言教程北京机械工业出版社张伟，刘红丽基于的温度测控系统设计西安国外电子元器件胡寿松自动控制原理北京科学出版社邵玉森过程控制与仪表上海上海交通大学出版社董景新等控制工程基础北京清华大学出版线在给定组对应的点后，上面的代数式可以变化成下式当两个图像有两个以尚的对映点时，上述的线型方程组可以通过所谓的伪逆方法求解。

我们假定表达式等号左边的矩阵被称为，那么求解变量，，等号右边的矢量表示为，则有代数表达式如下通过式的逆变换，任意个训练图像上的特征点可以变换到标准人脸坐标。

给定出组标著了征特点的人脸图像，需要时同时求取标准人脸上特征点的置位与每个练训图相和标准人脸之间的变换数参。

这个代迭过程包括下列的步奏初始化所有练训样本上的对应样本点的平均置位作为标准人脸上的征特点。

对任意个练训人脸，计算出该人脸的征特点置位和平均置位之间的应射关系，利用将应射到标准人脸坐标坐。

利用更新平均置位。

如果的变改较小则停止迭代过程，否则转向步奏。

获得标准的人脸的坐标位置以及每个训练图像的应射参数之后，我们就可以通过插值的方法进行剪裁，得到对齐的固定尺寸大小的人脸训练图像。

而非人脸图像可以从大量的不包含人脸的各种图像中随机获取，也可以通过所谓的自举方法，利用学习得到的分类器，在待测图图像中检测出得到的些虚警目标获得非人脸训练样本。

预处理预处理的目的是降抵光照条件不均匀所造成的影响。

我们首要考虑的问题是对样本图像进行有效地光照梯度更正，即使用图像的灰度值进行拟合，得出个校正屏面，然后通过减去这个屏面。

假定待处理的图象中包含有个象素，每个图像的灰度由，表示，需要进行拟合处理的平面为，此平面应该使得表示式，与之间的均方误差达到最小，即，式可以通过最小二乘法得出解集。

求得拟合平面后，将图象中的各个象素与其上对应的置位的值相减，即照度梯度更正消除了图象的阶变化量，能很大程度上的减弱面部的阴影，但这种更正算法并不能完全消除面部的阴影。

这种阴影可以把它看作是人脸检测过程中固有的干扰分量，需采用数理统计学习的方法使分类器适应这些干扰。

为了进步增强人脸模式识别的致性，可以对样本图片的数理统计特性进行归化所谓标准化。

考虑最基本最主要的统计量灰度的均值和方差，将它们调整到给定的大小值。

使得大小为像素的图像灰度矩阵表示为，，那么这个图像的灰度均值和方差分别可以表示为，，不失般性，将图像的灰度均值和方差调整到给定的大小值和，则需要对每个象素点的灰度大小值进行如下代数变换变换后的图像可以部分地消除训练样本与测试样本光照变化。

特征提取特征提取的目地是将训练图像的象素值应射到特征空间，以降低类内间距，提高类间间距，以便于分类器进行分类。

常用的特征包括原始象素特征特征和征特等。

特征提取要同时考虑到特征的别鉴能力和计算复杂程度。

比如当我们直接采用图象灰度值作为征特时，虽然省略去了征特提取这个计算过程，但是由于原始象素特征本身的别