基于ASM的人脸定位研究
| 中文摘要 | 第1-8页 |
| Abstract | 第8-10页 |
| 第一章 前言 | 第10-21页 |
| ·人脸识别综述 | 第10-19页 |
| ·人脸识别研究背景 | 第10-12页 |
| ·人脸识别研究历史、现状概述 | 第12-14页 |
| ·人脸识别的国内研究现状 | 第14-15页 |
| ·人脸识别过程及存在问题 | 第15-17页 |
| ·人脸识别主要技术方法 | 第17-19页 |
| ·本文研究内容 | 第19-20页 |
| ·本文的组织结构 | 第20-21页 |
| 第二章 基于主动统计对象模型的人脸定位 | 第21-52页 |
| ·基于主动视觉的人脸定位 | 第21-24页 |
| ·主动轮廓线模型 | 第21-22页 |
| ·变形模板 | 第22-23页 |
| ·主动统计对象模型 | 第23-24页 |
| ·主动形状模型(ASM) | 第24-41页 |
| ·点分布模型(PDM) | 第24-34页 |
| ·主动形状模型(ASM) | 第34-41页 |
| ·主动外观模型(AAM) | 第41-48页 |
| ·统计外观模型 | 第41-43页 |
| ·AAM训练 | 第43-44页 |
| ·AAM搜索 | 第44-45页 |
| ·图像扭曲(Image Warping) | 第45-48页 |
| ·基于ASM的人脸定位中关键问题 | 第48-51页 |
| ·关键特征点的模型 | 第48-50页 |
| ·形状子空间的解释度 | 第50-51页 |
| ·具体工作 | 第51页 |
| ·本章小结 | 第51-52页 |
| 第三章 基于统计学习的人脸定位评估 | 第52-66页 |
| ·问题的提出 | 第52页 |
| ·分类器设计 | 第52-53页 |
| ·Gabor特征提取与性质 | 第53-60页 |
| ·基于AdaBoost的学习 | 第60-65页 |
| ·Boosting重采样技术 | 第60-62页 |
| ·AdaBoost分类方法 | 第62-64页 |
| ·Cascade优化结构 | 第64-65页 |
| ·本章小结 | 第65-66页 |
| 第四章 实验与分析 | 第66-84页 |
| ·人脸定位样本采集 | 第66-67页 |
| ·ASM人脸定位算法实现与实验分析 | 第67-79页 |
| ·算法实现 | 第67-68页 |
| ·实验及分析 | 第68-79页 |
| ·定位评估算法实验结果 | 第79-83页 |
| ·本章小结 | 第83-84页 |
| 第五章 总结与展望 | 第84-88页 |
| ·总结 | 第84-86页 |
| ·展望 | 第86-88页 |
| 参考文献 | 第88-98页 |
| 缩写词表 | 第98-99页 |
| 致谢 | 第99页 |
