基于多任务特征选择和自适应模型的人脸特征点检测
| 致谢 | 第5-6页 |
| 摘要 | 第6-7页 |
| ABSTRACT | 第7页 |
| 序言 | 第8-11页 |
| 1 引言 | 第11-18页 |
| 1.1 研究背景和意义 | 第11-13页 |
| 1.1.1 人脸识别的研究背景和意义 | 第11-12页 |
| 1.1.2 人脸特征点检测介绍 | 第12-13页 |
| 1.2 人脸关键点检测算法概述 | 第13-16页 |
| 1.2.1 基于全局特征的方法 | 第14-15页 |
| 1.2.2 基于局部特征的方法 | 第15页 |
| 1.2.3 级联回归的方法 | 第15页 |
| 1.2.4 深度模型 | 第15-16页 |
| 1.3 主要工作 | 第16页 |
| 1.4 论文结构 | 第16-18页 |
| 2 相关工作 | 第18-27页 |
| 2.1 局部回归的人脸标注算法 | 第18-21页 |
| 2.1.1 级联线性回归模型原理 | 第18页 |
| 2.1.2 回归模型研究现状 | 第18-20页 |
| 2.1.3 深度模型 | 第20-21页 |
| 2.2 监督梯度下降法SDM | 第21-23页 |
| 2.3 多任务特征学习 | 第23页 |
| 2.4 常用的人脸标识点检测数据库及数据集 | 第23-27页 |
| 3 基于多任务特征选择和自适应模型的人脸标注 | 第27-42页 |
| 3.1 特征提取基本理论 | 第27-32页 |
| 3.1.1 SIFT特征提取算法 | 第27-29页 |
| 3.1.2 LBP特征基本理论 | 第29-31页 |
| 3.1.3 HOG特征基本理论 | 第31-32页 |
| 3.2 特征融合和特征选择 | 第32-33页 |
| 3.3 改进的SDM | 第33-38页 |
| 3.3.1 多任务特征选择 | 第34-35页 |
| 3.3.2 改进的SDM实验 | 第35-38页 |
| 3.4 自适应模型 | 第38-41页 |
| 3.4.1 平均初始化模型 | 第38-39页 |
| 3.4.2 自适应初始化模型 | 第39-40页 |
| 3.4.3 实验部分 | 第40-41页 |
| 3.5 本章小结 | 第41-42页 |
| 4 综合人脸标注实验系统及数据库实现 | 第42-51页 |
| 4.1 综合人脸标注实验功能 | 第42-44页 |
| 4.1.1 功能概述 | 第42-43页 |
| 4.1.2 部分界面 | 第43-44页 |
| 4.2 实时人脸检测及识别功能 | 第44-46页 |
| 4.2.1 功能概述 | 第44-45页 |
| 4.2.2 部分界面 | 第45-46页 |
| 4.3 人脸数据库标定系统及数据库实现 | 第46-51页 |
| 4.3.1 系统功能概述 | 第47-48页 |
| 4.3.2 数据库实现 | 第48-49页 |
| 4.3.3 数据库上进行的实验效果 | 第49-51页 |
| 5 结论与展望 | 第51-53页 |
| 5.1 主要工作及创新点 | 第51-52页 |
| 5.2 未来工作展望 | 第52-53页 |
| 参考文献 | 第53-56页 |
| 作者简历及攻读硕士/博士学位期间取得的研究成果 | 第56-58页 |
| 学位论文数据集 | 第58页 |
