| 摘要 | 第3-4页 |
| ABSTRACT | 第4页 |
| 第一章 绪论 | 第7-10页 |
| 1.1 课题研究背景与意义 | 第7页 |
| 1.2 国内外研究现状 | 第7-9页 |
| 1.3 本文的研究内容与结构 | 第9-10页 |
| 第二章 嘴唇区域定位 | 第10-15页 |
| 2.1 人脸区域检测和定位 | 第10-13页 |
| 2.1.1 OpenCV图像处理开源库 | 第10页 |
| 2.1.2 Haar分类器 | 第10-11页 |
| 2.1.3 Adaboost级联分类器 | 第11-12页 |
| 2.1.4 获取人脸区域 | 第12-13页 |
| 2.2 嘴唇区域定位 | 第13-14页 |
| 2.3 本章小结 | 第14-15页 |
| 第三章 唇部分割和视觉特征提取 | 第15-36页 |
| 3.1 嘴角位置的选择与定位 | 第16-18页 |
| 3.2 JUMPING SNAKE算法的改进 | 第18-29页 |
| 3.2.1 色彩特征分量的选取 | 第18-24页 |
| 3.2.2 梯度选择 | 第24-25页 |
| 3.2.3 改进的Jumping Snake算法 | 第25-29页 |
| 3.3 嘴唇轮廓关键点的选取 | 第29-32页 |
| 3.3.1 上下嘴唇外轮廓关键点的选取 | 第29-30页 |
| 3.3.2 上下嘴唇内轮廓关键点的选取 | 第30-32页 |
| 3.4 嘴唇轮廓拟合和特征提取 | 第32-35页 |
| 3.5 本章小结 | 第35-36页 |
| 第四章 基于MEAN SHIFT嘴唇关键点跟踪算法 | 第36-51页 |
| 4.1 目标跟踪方法研究 | 第36-38页 |
| 4.2 MEAN SHIFT理论 | 第38-43页 |
| 4.2.1 引言 | 第38-39页 |
| 4.2.2 非参数密度估计 | 第39-41页 |
| 4.2.3 密度梯度估计 | 第41-43页 |
| 4.3 MEAN SHIFT跟踪算法和实现 | 第43-48页 |
| 4.3.1 目标模型的描述 | 第43-44页 |
| 4.3.2 候选模型的描述 | 第44页 |
| 4.3.3 相似性函数 | 第44-45页 |
| 4.3.4 基于核的目标跟踪方法实现 | 第45-46页 |
| 4.3.5 算法的具体实现 | 第46-48页 |
| 4.4 引入自适应尺度更新的MEAN SHIFT嘴唇关键点跟踪算法 | 第48-49页 |
| 4.5 实验结果分析 | 第49-50页 |
| 4.6 本章小结 | 第50-51页 |
| 第五章 总结与展望 | 第51-53页 |
| 5.1 总结 | 第51-52页 |
| 5.2 未来工作展望 | 第52-53页 |
| 参考文献 | 第53-57页 |
| 在学期间的研究成果 | 第57-58页 |
| 致谢 | 第58页 |