基于分层随机森林的面部特征点检测技术研究
| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第1章 绪论 | 第9-17页 |
| 1.1 课题研究背景与意义 | 第9-11页 |
| 1.1.1 课题研究背景 | 第9-10页 |
| 1.1.2 研究的目的和意义 | 第10-11页 |
| 1.2 国内外相关技术研究现状 | 第11-15页 |
| 1.2.1 随机森林 | 第11-12页 |
| 1.2.2 面部特征点检测 | 第12-15页 |
| 1.3 主要研究内容及组织结构 | 第15-17页 |
| 1.3.1 主要研究内容 | 第15-16页 |
| 1.3.2 论文的组织结构 | 第16-17页 |
| 第2章 面部特征点检测方法 | 第17-25页 |
| 2.1 引言 | 第17页 |
| 2.2 常用的面部特征点检测方法 | 第17-20页 |
| 2.2.1 主动形状模型 | 第17-18页 |
| 2.2.2 主动外观模型 | 第18-19页 |
| 2.2.3 弹性图匹配 | 第19-20页 |
| 2.3 基于随机森林的面部特征点检测方法 | 第20-24页 |
| 2.3.1 随机森林原理 | 第20-22页 |
| 2.3.2 随机森林模型 | 第22-23页 |
| 2.3.3 基于随机森林的面部特征点检测方法 | 第23-24页 |
| 2.4 本章小结 | 第24-25页 |
| 第3章 基于分层随机森林的面部特征点检测 | 第25-44页 |
| 3.1 引言 | 第25页 |
| 3.2 图像预处理 | 第25-29页 |
| 3.2.1 基于AdaBoost算法的人脸检测 | 第25-27页 |
| 3.2.2 特征提取 | 第27-29页 |
| 3.3 基于随机森林的人脸朝向估计 | 第29-33页 |
| 3.4 基于条件回归森林的面部特征点检测 | 第33-38页 |
| 3.4.1 构建条件回归森林 | 第33-34页 |
| 3.4.2 训练方法 | 第34-36页 |
| 3.4.3 测试方法 | 第36-38页 |
| 3.5 改进的霍夫投票方法 | 第38-43页 |
| 3.5.1 基于面部中心点位置的约束 | 第39-40页 |
| 3.5.2 基于特征点位置的约束 | 第40-41页 |
| 3.5.3 动态调整霍夫投票集合算法 | 第41-42页 |
| 3.5.4 Mean-shift算法 | 第42-43页 |
| 3.6 本章小结 | 第43-44页 |
| 第4章 面部特征点检测实验与结果分析 | 第44-57页 |
| 4.1 引言 | 第44页 |
| 4.2 系统实现 | 第44-49页 |
| 4.2.1 系统实现框架 | 第44-46页 |
| 4.2.2 实验开发环境 | 第46页 |
| 4.2.3 参数设置 | 第46-49页 |
| 4.3 实验与结果分析 | 第49-55页 |
| 4.3.1 实验数据集 | 第49-50页 |
| 4.3.2 人脸朝向估计实验结果 | 第50-51页 |
| 4.3.3 面部特征点检测实验结果 | 第51-55页 |
| 4.4 本章小结 | 第55-57页 |
| 结论 | 第57-59页 |
| 参考文献 | 第59-65页 |
| 致谢 | 第65页 |
