| 摘要 | 第1-5页 |
| Abstract | 第5-9页 |
| 1 绪论 | 第9-16页 |
| ·选题背景和意义 | 第9-11页 |
| ·应用领域 | 第11-12页 |
| ·人机交互界面 | 第11页 |
| ·虚拟播音员 | 第11-12页 |
| ·三维虚拟人自然交互技术的相关应用 | 第12-14页 |
| ·基于视觉的交互 | 第12页 |
| ·基于语音的交互 | 第12-14页 |
| ·基于表情的交互 | 第14页 |
| ·本文研究的目的与内容 | 第14-15页 |
| ·论文的章节安排 | 第15-16页 |
| 2 基于AdaBoost和CAMSHIFT的人脸检测与跟踪 | 第16-36页 |
| ·引言 | 第16页 |
| ·基于AdaBoost的人脸检测 | 第16-27页 |
| ·Haar型特征和积分图像 | 第17-18页 |
| ·扩展的Haar型特征 | 第18-23页 |
| ·AdaBoost算法 | 第23-24页 |
| ·特征的选择 | 第24-25页 |
| ·级联式分类器 | 第25-26页 |
| ·实验结果及分析 | 第26-27页 |
| ·基于CAMSHIFT的人脸跟踪 | 第27-33页 |
| ·Mean Shift算法 | 第27-28页 |
| ·颜色概率分布 | 第28-31页 |
| ·CAMSHIFT算法 | 第31-32页 |
| ·实验结果及分析 | 第32-33页 |
| ·基于AdaBoost与CAMSHIFT相结合的人脸跟踪 | 第33-35页 |
| ·实验结果及分析 | 第34-35页 |
| ·本章小结 | 第35-36页 |
| 3 基于ASM的人脸特征提取 | 第36-48页 |
| ·引言 | 第36-37页 |
| ·PDM模型 | 第37-41页 |
| ·标记点标定 | 第37-38页 |
| ·训练数据的对齐 | 第38-39页 |
| ·形状建模 | 第39-41页 |
| ·ASM模型 | 第41-45页 |
| ·局部纹理建模 | 第42-43页 |
| ·目标搜索 | 第43-44页 |
| ·多分辨率搜索框架 | 第44-45页 |
| ·实验结果与分析 | 第45-47页 |
| ·本章小结 | 第47-48页 |
| 4 基于SVM的口型识别 | 第48-58页 |
| ·引言 | 第48-49页 |
| ·统计学习理论 | 第49-50页 |
| ·VC维 | 第49-50页 |
| ·结构风险最小化原则 | 第50页 |
| ·支持向量机 | 第50-55页 |
| ·最优分类面 | 第50-52页 |
| ·广义最优分类面 | 第52-53页 |
| ·支持向量机 | 第53-55页 |
| ·常用的核函数 | 第55-56页 |
| ·实验结果及分析 | 第56-57页 |
| ·本章小结 | 第57-58页 |
| 5 具有自然交互的三维虚拟人系统的设计与实现 | 第58-73页 |
| ·引言 | 第58-59页 |
| ·三维虚拟人人头模型的制作与显示 | 第59-62页 |
| ·模型的制作 | 第59-61页 |
| ·模型的显示 | 第61-62页 |
| ·可视音素 | 第62-64页 |
| ·语音动画设计 | 第64-65页 |
| ·人脸表情动画 | 第65-68页 |
| ·基于视觉的自然交互 | 第68-69页 |
| ·基于语音的自然交互 | 第69-71页 |
| ·提供给外部的接口和性能的优化 | 第71页 |
| ·本章小结 | 第71-73页 |
| 6 结束语 | 第73-75页 |
| ·本文工作总结 | 第73-74页 |
| ·下一步研究方向 | 第74-75页 |
| 参考文献 | 第75-79页 |
| 在学研究成果 | 第79-80页 |
| 致谢 | 第80页 |