| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第12-25页 |
| 1.1 研究背景与意义 | 第12-16页 |
| 1.2 国内外研究现状 | 第16-22页 |
| 1.2.1 国内研究现状 | 第16-22页 |
| 1.2.2 国外研究现状 | 第22页 |
| 1.3 本文的主要工作 | 第22-23页 |
| 1.4 本文的组织结构 | 第23-25页 |
| 第2章 预备知识 | 第25-43页 |
| 2.1 Delaunay三角剖分 | 第25-29页 |
| 2.1.1 离散点的三角剖分 | 第25-26页 |
| 2.1.2 Delaunay三角剖分 | 第26页 |
| 2.1.3 Delaunay三角剖分准则 | 第26-28页 |
| 2.1.4 Delaunay三角剖分特性 | 第28页 |
| 2.1.5 Kinect介绍 | 第28-29页 |
| 2.2 ICP算法 | 第29-33页 |
| 2.2.1 ICP算法概念 | 第29-30页 |
| 2.2.2 迭代最近点(ICP)算法原理 | 第30-32页 |
| 2.2.3 迭代最近点(ICP)算法特性分析 | 第32-33页 |
| 2.3 Blendshape | 第33-35页 |
| 2.3.1 Blendshape概念 | 第33页 |
| 2.3.2 Blendshape分类 | 第33-35页 |
| 2.3.3 Blendshape权重 | 第35页 |
| 2.4 神经网络 | 第35-42页 |
| 2.4.1 神经网络基本概念 | 第36-38页 |
| 2.4.2 神经网络的结构 | 第38-41页 |
| 2.4.3 神经网络的学习方式 | 第41-42页 |
| 2.5 本章小结 | 第42-43页 |
| 第3章 人脸检测与人脸对齐 | 第43-53页 |
| 3.1 随机森林 | 第43-44页 |
| 3.1.1 随机森林定义 | 第43页 |
| 3.1.2 随机森林原理 | 第43-44页 |
| 3.2 算法框架 | 第44-50页 |
| 3.2.1 算法流程 | 第44-46页 |
| 3.2.2 局部特征回归 | 第46-48页 |
| 3.2.3 全局特征回归 | 第48-49页 |
| 3.2.4 局部和全局原则 | 第49-50页 |
| 3.3 实验结果及分析 | 第50-52页 |
| 3.3.1 数据集 | 第50-51页 |
| 3.3.2 参数设置 | 第51页 |
| 3.3.3 实验结果 | 第51-52页 |
| 3.4 本章小结 | 第52-53页 |
| 第4章 个性化人脸表情自动合成 | 第53-67页 |
| 4.1 算法框架 | 第53-54页 |
| 4.2 人脸表情模型库 | 第54-55页 |
| 4.3 Deformation transfer | 第55-59页 |
| 4.3.1 Deformation transfer定义 | 第55-56页 |
| 4.3.2 顶点公式化 | 第56-57页 |
| 4.3.3 建立对应关系 | 第57-59页 |
| 4.4 个性化表情基的自动生成 | 第59-62页 |
| 4.4.1 样例表情基的自动生成 | 第59-60页 |
| 4.4.2 训练个性化表情基空间 | 第60-62页 |
| 4.5 权重的优化 | 第62-63页 |
| 4.6 实验结果 | 第63-66页 |
| 4.6.1 表情模型的获取 | 第63-64页 |
| 4.6.2 参数设置 | 第64-66页 |
| 4.7 本章小结 | 第66-67页 |
| 结论 | 第67-69页 |
| 参考文献 | 第69-73页 |
| 附录A 攻读硕士学位期间发表的论文和参加的项目 | 第73-74页 |
| 致谢 | 第74页 |