基于随机森林的人脸特征检测方法研究
| 摘要 | 第3-4页 |
| Abstract | 第4-5页 |
| 第一章 绪论 | 第8-14页 |
| 1.1 研究的背景及意义 | 第8-9页 |
| 1.2 人脸特征检测研究现状 | 第9-12页 |
| 1.2.1 人脸特征检测概述 | 第9页 |
| 1.2.2 基于色彩信息的方法 | 第9-10页 |
| 1.2.3 基于先验规则的方法 | 第10页 |
| 1.2.4 基于几何形状信息的方法 | 第10-11页 |
| 1.2.5 基于统计学习的方法 | 第11-12页 |
| 1.3 人脸特征检测面临的挑战 | 第12页 |
| 1.4 主要研究内容及本文结构安排 | 第12-13页 |
| 1.5 本章小结 | 第13-14页 |
| 第二章 人脸特征检测算法介绍 | 第14-23页 |
| 2.1 引言 | 第14页 |
| 2.2 经典的人脸特征检测方法 | 第14-20页 |
| 2.2.1 主观形状模型（ASM） | 第14-17页 |
| 2.2.2 主观外观模型（AAM） | 第17-19页 |
| 2.2.3 约束局部模型（CLM） | 第19-20页 |
| 2.3 主流的人脸特征检测方法 | 第20-22页 |
| 2.3.1 随机森林（RF） | 第20-21页 |
| 2.3.2 显式形状回归（ESR） | 第21-22页 |
| 2.4 本章小结 | 第22-23页 |
| 第三章 基于随机森林的人脸特征检测 | 第23-40页 |
| 3.1 引言 | 第23页 |
| 3.2 人脸数据处理 | 第23-25页 |
| 3.2.1 人脸特征点标注 | 第24-25页 |
| 3.2.2 图像预处理 | 第25页 |
| 3.3 随机森林算法 | 第25-30页 |
| 3.3.1 决策树简介 | 第26-27页 |
| 3.3.2 随机森林算法 | 第27-29页 |
| 3.3.3 随机森林的随机特性 | 第29-30页 |
| 3.4 人脸检测 | 第30-32页 |
| 3.5 基于随机森林的人脸特征检测 | 第32-36页 |
| 3.5.1 训练部分 | 第32-35页 |
| 3.5.2 检测部分 | 第35-36页 |
| 3.6 实验分析 | 第36-39页 |
| 3.6.1 实验数据 | 第36页 |
| 3.6.2 实验结果与分析 | 第36-39页 |
| 3.7 本章小结 | 第39-40页 |
| 第四章 基于SO-RF的多姿态人脸特征检测 | 第40-52页 |
| 4.1 引言 | 第40页 |
| 4.2 基于SO-RF的人脸特征点检测 | 第40-43页 |
| 4.2.1 人脸图像预处理 | 第41页 |
| 4.2.2 基于SO-RF的人脸特征点检测算法 | 第41-43页 |
| 4.3 改进的SO-RF多姿态人脸特征点检测 | 第43-46页 |
| 4.3.1 改进的总体思路 | 第43-44页 |
| 4.3.2 人脸姿态的估计 | 第44-46页 |
| 4.4 实验分析 | 第46-51页 |
| 4.4.1 实验数据 | 第46页 |
| 4.4.2 实验结果与分析 | 第46-51页 |
| 4.5 本章小结 | 第51-52页 |
| 第五章 基于ATM的部分遮挡人脸特征检测 | 第52-61页 |
| 5.1 引言 | 第52页 |
| 5.2 部分遮挡的人脸介绍 | 第52-54页 |
| 5.3 部分遮挡人脸特征检测 | 第54-56页 |
| 5.3.1 本文算法的总体思路 | 第54-55页 |
| 5.3.2 部分遮挡信息估计 | 第55-56页 |
| 5.4 实验分析 | 第56-60页 |
| 5.4.1 实验数据 | 第56-57页 |
| 5.4.2 实验结果与分析 | 第57-60页 |
| 5.5 本章小结 | 第60-61页 |
| 主要结论与展望 | 第61-63页 |
| 主要结论 | 第61页 |
| 展望 | 第61-63页 |
| 致谢 | 第63-64页 |
| 参考文献 | 第64-68页 |
| 附录: 作者在攻读硕士学位期间发表的论文 | 第68页 |
