无约束条件下基于显著性特征的视频人脸检测方法研究
| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第10-18页 |
| 1.1 研究背景及意义 | 第10-11页 |
| 1.2 研究现状 | 第11-14页 |
| 1.2.1 人脸检测的研究现状 | 第11-13页 |
| 1.2.2 显著性检测的研究现状 | 第13-14页 |
| 1.3 存在的问题及难点 | 第14-15页 |
| 1.4 人脸检测评估指标 | 第15-16页 |
| 1.5 本文主要工作及内容安排 | 第16-18页 |
| 第2章 基于显著性度量和部件模型的人脸检测 | 第18-33页 |
| 2.1 视觉注意机制 | 第18-20页 |
| 2.2 基于部件模型的人脸检测 | 第20-22页 |
| 2.3 基于显著性度量和部件模型的人脸检测 | 第22-29页 |
| 2.3.1 总体思路和结构框架 | 第22-23页 |
| 2.3.2 选取人脸模板 | 第23-24页 |
| 2.3.3 计算HOG特征金字塔 | 第24-25页 |
| 2.3.4 计算人脸显著性 | 第25-26页 |
| 2.3.5 人脸显著图的生成 | 第26-28页 |
| 2.3.6 后处理与人脸检测 | 第28-29页 |
| 2.4 实验及结果分析 | 第29-32页 |
| 2.5 本章小结 | 第32-33页 |
| 第3章 基于多显著性特征融合的人脸检测 | 第33-48页 |
| 3.1 Haar特征用于人脸检测 | 第33-36页 |
| 3.1.1 Haar特征 | 第33-34页 |
| 3.1.2 Haar特征的计算——积分图 | 第34-35页 |
| 3.1.3 Haar-like矩形特征拓展 | 第35-36页 |
| 3.2 HOG特征用于人脸检测 | 第36-39页 |
| 3.2.1 HOG特征 | 第36-37页 |
| 3.2.2 HOG特征提取算法的实现过程 | 第37-39页 |
| 3.3 基于多显著性特征融合的人脸检测 | 第39-43页 |
| 3.4 实验结果及分析 | 第43-46页 |
| 3.4.1 特征融合权值选择对检测率的影响 | 第43-44页 |
| 3.4.2 多种人脸检测方法对比 | 第44-46页 |
| 3.5 本章小结 | 第46-48页 |
| 第4章 基于HPM的遮挡情况下人脸检测 | 第48-56页 |
| 4.1 级联可形变部件模型 | 第48-50页 |
| 4.1.1 模型结构 | 第48-49页 |
| 4.1.2 模型训练 | 第49-50页 |
| 4.1.3 遮挡模式合成 | 第50页 |
| 4.2 HPM用于人脸检测 | 第50-52页 |
| 4.3 实验及结果分析 | 第52-55页 |
| 4.3.1 不同面部部位遮挡人脸检测实验 | 第52-53页 |
| 4.3.2 多人正面遮挡人脸检测实验 | 第53页 |
| 4.3.3 AFW数据集下人脸检测实验 | 第53-55页 |
| 4.4 本章小结 | 第55-56页 |
| 第5章 总结与展望 | 第56-57页 |
| 参考文献 | 第57-60页 |
| 攻读硕士学位期间发表的论文及其他成果 | 第60-61页 |
| 致谢 | 第61页 |
