| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第一章 绪论 | 第10-18页 |
| 1.1 研究背景与意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-14页 |
| 1.2.1 人脸对齐研究现状 | 第11-12页 |
| 1.2.2 正脸化研究现状 | 第12-14页 |
| 1.3 论文研究内容 | 第14-15页 |
| 1.3.1 研究目标 | 第14页 |
| 1.3.2 人脸对齐 | 第14页 |
| 1.3.3 基于3DMM的正脸化 | 第14页 |
| 1.3.4 技术难点 | 第14-15页 |
| 1.4 论文组织结构 | 第15-18页 |
| 第二章 双眼定位 | 第18-36页 |
| 2.1 双眼定位算法概述 | 第18-21页 |
| 2.1.1 双眼定位算法的分类 | 第18-20页 |
| 2.1.2 特征选择 | 第20-21页 |
| 2.2 基于最大似然和SVM的双眼定位算法 | 第21-25页 |
| 2.2.1 最大似然估计 | 第21-22页 |
| 2.2.2 SVM | 第22-23页 |
| 2.2.3 算法流程 | 第23-25页 |
| 2.3 基于Softcascade及朴素贝叶斯分类器的双眼定位算法 | 第25-34页 |
| 2.3.1 Softcascade算法 | 第25-27页 |
| 2.3.2 特征筛选 | 第27-30页 |
| 2.3.3 算法流程 | 第30-34页 |
| 2.4 实验结果及分析 | 第34-35页 |
| 2.5 小结 | 第35-36页 |
| 第三章 基于双眼预定位和SDM的人脸对齐 | 第36-60页 |
| 3.1 有监督下降法(SDM) | 第36-39页 |
| 3.1.1 最优化方法概述 | 第36-38页 |
| 3.1.2 SDM基本原理 | 第38-39页 |
| 3.2 特征选择与编码 | 第39-45页 |
| 3.2.1 特征描述子概述 | 第39-40页 |
| 3.2.2 SIFT特征 | 第40-42页 |
| 3.2.3 HOG特征 | 第42-44页 |
| 3.2.4 LBP特征 | 第44-45页 |
| 3.3 模型训练 | 第45-51页 |
| 3.3.1 回归器训练 | 第46-48页 |
| 3.3.2 SDM训练 | 第48-49页 |
| 3.3.3 MSE准则函数求解方法 | 第49-51页 |
| 3.4 依据双眼位置初始化对定位效果影响 | 第51-55页 |
| 3.4.1 依据双眼位置初始化流程 | 第51-52页 |
| 3.4.2 依据双眼位置初始化对定位效果影响 | 第52-55页 |
| 3.5 实验结果与分析 | 第55-59页 |
| 3.5.1 实验测试环境 | 第55页 |
| 3.5.2 多姿态下实验结果 | 第55-57页 |
| 3.5.3 表情变化下实验结果 | 第57-58页 |
| 3.5.4 轻微遮挡下实验结果 | 第58页 |
| 3.5.5 对比实验及结果分析 | 第58-59页 |
| 3.6 小结 | 第59-60页 |
| 第四章 正脸化 | 第60-80页 |
| 4.1 3DMM简介 | 第60-63页 |
| 4.1.1 形变模型原理 | 第60-62页 |
| 4.1.2 模型生成 | 第62-63页 |
| 4.2 人脸姿态估计 | 第63-68页 |
| 4.2.1 透视投影 | 第64-66页 |
| 4.2.2 相机成像原理简介 | 第66-67页 |
| 4.2.3 姿态估计模型训练 | 第67-68页 |
| 4.3 基于3DMM的正脸化 | 第68-72页 |
| 4.3.1 人脸3D重建 | 第68-71页 |
| 4.3.2 正脸化 | 第71-72页 |
| 4.4 实验结果及分析 | 第72-75页 |
| 4.4.1 姿态估计结果分析 | 第73-74页 |
| 4.4.2 正脸化结果分析 | 第74-75页 |
| 4.5 正脸化对人脸识别率的影响 | 第75-78页 |
| 4.5.1 联合贝叶斯人脸识别算法 | 第75-77页 |
| 4.5.2 对比实验 | 第77-78页 |
| 4.6 小结 | 第78-80页 |
| 第五章 总结与展望 | 第80-82页 |
| 5.1 总结 | 第80-81页 |
| 5.2 展望 | 第81-82页 |
| 致谢 | 第82-84页 |
| 参考文献 | 第84-90页 |
| 作者在攻读硕士学位期间发表的论文和成果 | 第90页 |