| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第一章 绪论 | 第10-17页 |
| 1.1 引言 | 第10-12页 |
| 1.1.1 人脸识别及其意义 | 第10页 |
| 1.1.2 人脸识别的优势及难点 | 第10-11页 |
| 1.1.3 人脸识别系统的构成 | 第11-12页 |
| 1.2 人脸特征提取 | 第12-14页 |
| 1.2.1 图像分割、可变形模板与点分布模型 | 第12-13页 |
| 1.2.2 主动形状模型 | 第13页 |
| 1.2.3 主动外观模型 | 第13-14页 |
| 1.2.4 前人对ASM的改进 | 第14页 |
| 1.3 本文的主要工作 | 第14-15页 |
| 1.4 论文组织结构 | 第15-17页 |
| 第二章 人脸检测 | 第17-27页 |
| 2.1 引言 | 第17页 |
| 2.2 人脸检测技术 | 第17-21页 |
| 2.2.1 基于肤色区域的方法 | 第18-19页 |
| 2.2.2 基于启发式模型的方法 | 第19页 |
| 2.2.3 基于统计模型的方法 | 第19-21页 |
| 2.3 VIOLA-JONES检测器 | 第21-26页 |
| 2.3.1 Haar-like特征 | 第21-22页 |
| 2.3.2 积分图像 | 第22-23页 |
| 2.3.3 Adaboost算法 | 第23-25页 |
| 2.3.4 级联 | 第25-26页 |
| 2.4 本章小结 | 第26-27页 |
| 第三章 主动形状模型 | 第27-35页 |
| 3.1 引言 | 第27页 |
| 3.2 形状和形状向量 | 第27-30页 |
| 3.2.1 形状 | 第27-28页 |
| 3.2.2 形状的对齐 | 第28-29页 |
| 3.2.3 形状模型 | 第29-30页 |
| 3.3 局部纹理模型 | 第30-32页 |
| 3.3.1 纹理的形成 | 第30-31页 |
| 3.3.2 局部纹理模型的建立 | 第31页 |
| 3.3.3 纹理的搜索 | 第31-32页 |
| 3.4 全局统计模型 | 第32-34页 |
| 3.4.1 对全局统计模型的深入理解 | 第32-34页 |
| 3.4.2 一个示例 | 第34页 |
| 3.5 本章小结 | 第34-35页 |
| 第四章 ASM的实现 | 第35-45页 |
| 4.1 引言 | 第35页 |
| 4.2 人脸数据库 | 第35-36页 |
| 4.3 ME17评估 | 第36-37页 |
| 4.4 建立纹理模型 | 第37-41页 |
| 4.4.1 纹理模型搜索参数：nProfWidth和nPixSearch | 第37-38页 |
| 4.4.2 搜索参数：nMaxSearchIters和nQualifyingDisplacements | 第38-39页 |
| 4.4.3 晶须的方向 | 第39页 |
| 4.4.4 对训练集的讨论 | 第39-41页 |
| 4.5 对经典ASM的改进 | 第41-43页 |
| 4.5.1 经典ASM的缺陷 | 第41-42页 |
| 4.5.2 改进算法 | 第42-43页 |
| 4.6 本章小结 | 第43-45页 |
| 第五章 特征点提取优化 | 第45-52页 |
| 5.1 引言 | 第45页 |
| 5.2 背景减除 | 第45-49页 |
| 5.2.1 图像的灰度化 | 第46-47页 |
| 5.2.2 背景灰度取样 | 第47页 |
| 5.2.3 扫描 | 第47-49页 |
| 5.3 鼻孔形状的提取 | 第49-50页 |
| 5.4 本章小结 | 第50-52页 |
| 第六章 总结与展望 | 第52-54页 |
| 6.1 总结 | 第52页 |
| 6.2 展望 | 第52-54页 |
| 参考文献 | 第54-58页 |
| 致谢 | 第58-59页 |
| 附录 | 第59-60页 |