| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 第一章 引言 | 第10-18页 |
| 1.1 研究的目的和意义 | 第10-13页 |
| 1.2 国内外研究现状及分析 | 第13-16页 |
| 1.3 本文工作内容 | 第16-18页 |
| 第二章 DPM人脸关键点检测算法 | 第18-24页 |
| 2.1 DPM关键点检测算法的原理 | 第18-19页 |
| 2.2 部件特征 | 第19-20页 |
| 2.3 部件间的位置关系 | 第20-21页 |
| 2.4 SO-SVM分类器 | 第21-22页 |
| 2.5 BMRM下降法 | 第22-23页 |
| 2.6 本章小结 | 第23-24页 |
| 第三章 DPM人脸关键点检测算法的特征比较 | 第24-37页 |
| 3.1 搜索空间大小的设定 | 第24-25页 |
| 3.2 特征选取 | 第25-32页 |
| 3.2.1 圆形LBP特征 | 第26-27页 |
| 3.2.2 等价模式LBP特征 | 第27-28页 |
| 3.2.3 MB-LBP特征 | 第28页 |
| 3.2.4 自适应阈值的GLBP特征 | 第28-30页 |
| 3.2.5 均值LBP(MLBP)特征 | 第30页 |
| 3.2.6 K-LBP特征 | 第30-32页 |
| 3.3 实验结果及分析 | 第32-36页 |
| 3.4 本章总结 | 第36-37页 |
| 第四章 基于神经网络后验的DPM人脸关键点检测算法 | 第37-47页 |
| 4.1 DPM误检情况 | 第37-38页 |
| 4.2 基于神经网络后验的DPM人脸关键点检测算法流程图 | 第38页 |
| 4.3 基于BP神经网络的后验算法 | 第38-42页 |
| 4.3.1 实验数据集 | 第39页 |
| 4.3.2 参数选择 | 第39-42页 |
| 4.4 基于卷积神经网络(CNN)的后验算法 | 第42-43页 |
| 4.4.1 实验数据集 | 第42页 |
| 4.4.2 参数选择 | 第42-43页 |
| 4.5 实验结果及分析 | 第43-46页 |
| 4.6 本章总结 | 第46-47页 |
| 第五章 基于DPM和CNN级联的人脸关键点检测算法 | 第47-55页 |
| 5.1 CNN人脸关键点检测 | 第47页 |
| 5.2 CNN人脸关键点检测算法的不足 | 第47-48页 |
| 5.3 DPM和CNN级联由粗到精的检测算法 | 第48-50页 |
| 5.4 实验结果及分析 | 第50-54页 |
| 5.4.1 LFW数据集上的比较 | 第50-51页 |
| 5.4.2 LFPW数据集上的比较 | 第51-54页 |
| 5.5 本章总结 | 第54-55页 |
| 第六章 人脸关键点检测在人脸融合中的应用 | 第55-61页 |
| 6.1 融合宝宝图片框架图 | 第55-56页 |
| 6.2 人脸关键点检测 | 第56页 |
| 6.3 几何变换 | 第56-58页 |
| 6.4 计算掩码区域 | 第58页 |
| 6.5 肤色融合 | 第58-59页 |
| 6.6 实验结果 | 第59-60页 |
| 6.7 本章总结 | 第60-61页 |
| 第七章 总结与展望 | 第61-63页 |
| 7.1 总结 | 第61-62页 |
| 7.2 展望 | 第62-63页 |
| 参考文献 | 第63-69页 |
| 在学期间的研究成果 | 第69-70页 |
| 致谢 | 第70页 |
