基于级联回归的人脸配准算法研究
| 摘要 | 第5-6页 |
| abstract | 第6页 |
| 第一章 绪论 | 第13-17页 |
| 1.1 研究背景及意义 | 第13-14页 |
| 1.2 研究内容及相关技术 | 第14-15页 |
| 1.3 论文创新点及组织结构 | 第15页 |
| 1.4 本章小结 | 第15-17页 |
| 第二章 人脸配准研究现状 | 第17-27页 |
| 2.1 人脸配准的生成模型 | 第17-20页 |
| 2.1.1 整体建模的生成模型 | 第17-19页 |
| 2.1.2 局部建模的生成模型 | 第19页 |
| 2.1.3 生成模型的优缺点分析 | 第19-20页 |
| 2.2 人脸配准的判别模型 | 第20-26页 |
| 2.2.1 局部建模的判别模型 | 第20-22页 |
| 2.2.2 整体建模的判别模型 | 第22-26页 |
| 2.2.3 判别模型的优缺点分析 | 第26页 |
| 2.3 本章小结 | 第26-27页 |
| 第三章 级联回归算法分析 | 第27-39页 |
| 3.1 级联回归算法框架 | 第27-28页 |
| 3.2 初始化策略 | 第28-29页 |
| 3.2.1 平均脸形 | 第28-29页 |
| 3.2.2 随机抽样 | 第29页 |
| 3.3 形状索引特征 | 第29-32页 |
| 3.3.1 相对坐标提取方式 | 第30-31页 |
| 3.3.2 插值提取方式 | 第31-32页 |
| 3.4 级联形状回归 | 第32-36页 |
| 3.4.1 随机回归森林 | 第32-34页 |
| 3.4.2 梯度提升学习算法 | 第34-36页 |
| 3.4.3 随机回归树分裂算法 | 第36页 |
| 3.5 现有级联回归算法总结 | 第36-38页 |
| 3.6 本章小结 | 第38-39页 |
| 第四章 本文算法设计 | 第39-49页 |
| 4.1 算法思路与算法流程 | 第39-40页 |
| 4.2 初始形状估计算法 | 第40-46页 |
| 4.2.1 问题建模 | 第40页 |
| 4.2.2 特征提取 | 第40-44页 |
| 4.2.3 初始形状回归 | 第44-46页 |
| 4.3 多姿态人脸配准 | 第46-48页 |
| 4.3.1 多姿态级联回归器训练算法 | 第46-48页 |
| 4.3.2 姿态分类与配准算法 | 第48页 |
| 4.4 本章小结 | 第48-49页 |
| 第五章 实验结果分析 | 第49-61页 |
| 5.1 实验概述 | 第49页 |
| 5.2 数据库 | 第49-51页 |
| 5.3 评价指标 | 第51页 |
| 5.4 算法实现细节 | 第51-52页 |
| 5.5 初始形状估计有效性验证 | 第52-54页 |
| 5.5.1 初始形状质量验证 | 第52-53页 |
| 5.5.2 提升级联回归配准精度验证 | 第53-54页 |
| 5.6 多姿态人脸配准有效性验证 | 第54-57页 |
| 5.6.1 人脸姿态估计验证 | 第55-56页 |
| 5.6.2 人脸配准效果验证 | 第56-57页 |
| 5.7 算法局限性分析 | 第57-58页 |
| 5.8 本章小结 | 第58-61页 |
| 第六章 总结与展望 | 第61-63页 |
| 6.1 本文工作总结 | 第61-62页 |
| 6.2 未来研究展望 | 第62-63页 |
| 参考文献 | 第63-69页 |
| 致谢 | 第69-71页 |
| 攻读学位期间发表的学术论文 | 第71页 |
