摘要 | 第4-5页 |
Abstract | 第5页 |
第1章 绪论 | 第8-16页 |
1.1 研究背景与意义 | 第8-9页 |
1.2 国内外研究现状 | 第9-12页 |
1.2.1 国内研究现状 | 第9-10页 |
1.2.2 国外研究现状 | 第10-12页 |
1.2.3 存在的问题 | 第12页 |
1.3 论文的研究内容 | 第12-13页 |
1.4 论文的组织结构 | 第13-16页 |
第2章 基于Adaboost算法的AAM模型的人脸特征点检测方法的研究 | 第16-26页 |
2.1 基于加权平均法的图像预处理 | 第16-17页 |
2.2 Adaboost算法确定人脸区域及关键点 | 第17-19页 |
2.3 主动表观模型(AAM)模型的构建 | 第19-22页 |
2.3.1 形状模型的构建 | 第19-20页 |
2.3.2 纹理模型的构建 | 第20页 |
2.3.3 AAM拟合方法的研究及改进 | 第20-22页 |
2.4 实验结果与分析 | 第22-23页 |
2.5 本章小结 | 第23-26页 |
第3章 基于Camshift预测追踪人脸跟踪方法的研究与改进 | 第26-50页 |
3.1 图像中运动的目标检测的算法的分析 | 第26-33页 |
3.1.1 差分算法分析 | 第26-32页 |
3.1.2 存在问题的提出及解决的目标 | 第32-33页 |
3.2 目标定位跟踪Camshift算法的分析 | 第33-34页 |
3.2.1 Camshift算法分析 | 第33-34页 |
3.2.2 Camshift算法中存在的问题 | 第34页 |
3.3 直方图均衡化处理图像增强 | 第34-36页 |
3.4 Camshift算法的改进 | 第36-42页 |
3.4.1 基于卡尔曼滤波的目标状态预测 | 第36-39页 |
3.4.2 目标状态预测及算法改进 | 第39-40页 |
3.4.3 改进的差分预测的人脸轮廓追踪的研究 | 第40-42页 |
3.5 实验结果与分析 | 第42-47页 |
3.5.1 卡尔曼预测算法跟踪结果 | 第42-44页 |
3.5.2 Camshift算法跟踪结果 | 第44-45页 |
3.5.3 改进Camshift算法跟踪结果 | 第45-46页 |
3.5.4 改进的差分检测法的人脸轮廓追踪结果 | 第46-47页 |
3.5.5 实验结果分析 | 第47页 |
3.6 本章小结 | 第47-50页 |
第4章 人脸与京剧脸谱融合方法的提出 | 第50-58页 |
4.1 京剧脸谱的特征分析 | 第50-53页 |
4.2 京剧脸谱纹样的采集 | 第53-54页 |
4.3 京剧脸谱的变形处理方法 | 第54-56页 |
4.3.1 京剧脸谱纹样与人脸特征点的对应处理 | 第54-55页 |
4.3.2 脸谱纹样变形处理 | 第55-56页 |
4.4 实验结果及分析 | 第56-57页 |
4.5 本章小结 | 第57-58页 |
第5章 实时人脸面部的京剧脸谱的投影模拟应用 | 第58-64页 |
5.1 模拟环境及条件 | 第58-59页 |
5.1.1 硬件环境 | 第58页 |
5.1.2 软件环境 | 第58-59页 |
5.2 人脸面部的京剧脸谱投影的整体流程 | 第59页 |
5.3 应用结果及效果分析 | 第59-63页 |
5.3.1 现有方法的实现 | 第59-60页 |
5.3.2 本文应用结果 | 第60-62页 |
5.3.3 结果对比及分析 | 第62-63页 |
5.4 本章小结 | 第63-64页 |
结论 | 第64-66页 |
参考文献 | 第66-70页 |
攻读硕士学位期间取得的研究成果 | 第70-72页 |
致谢 | 第72页 |