| 摘要 | 第4-5页 |
| ABSTRACT | 第5页 |
| 第1章 绪论 | 第8-12页 |
| 1.1 课题研究的背景及意义 | 第8-9页 |
| 1.2 国内外研究现状 | 第9-10页 |
| 1.3 论文的主要研究内容 | 第10-11页 |
| 1.4 论文的主要创新点 | 第11-12页 |
| 第2章 图像预处理 | 第12-20页 |
| 2.1 直方图均衡化 | 第12-13页 |
| 2.2 图像滤波去噪 | 第13-16页 |
| 2.2.1 均值滤波 | 第14-15页 |
| 2.2.2 高斯滤波 | 第15-16页 |
| 2.3 图像复原 | 第16-19页 |
| 2.3.1 图像退化和复原模型 | 第16-17页 |
| 2.3.2 图像复原过程 | 第17-19页 |
| 2.4 本章小结 | 第19-20页 |
| 第3章 人脸检测和特征点定位 | 第20-43页 |
| 3.1 基于椭圆模型肤色检测 | 第20-23页 |
| 3.1.1 颜色空间 | 第20页 |
| 3.1.2 椭圆肤色模型 | 第20-23页 |
| 3.2 形态学滤波 | 第23-25页 |
| 3.2.1 膨胀运算 | 第23-24页 |
| 3.2.2 腐蚀运算 | 第24页 |
| 3.2.3 开运算 | 第24页 |
| 3.2.4 闭运算 | 第24-25页 |
| 3.3 基于Multi-Block LBP特征的Ada Boost人脸检测 | 第25-36页 |
| 3.3.1 局部二值模式 | 第25-28页 |
| 3.3.2 多级区域局部二值模式 | 第28-29页 |
| 3.3.3 基于AdaBoost算法的人脸检测 | 第29-36页 |
| 3.4 人脸特征点定位 | 第36-42页 |
| 3.4.1 CNN理论及应用 | 第36-38页 |
| 3.4.2 基于DCNN人脸特征点定位 | 第38-42页 |
| 3.5 本章小结 | 第42-43页 |
| 第4章 2D运动估计器 | 第43-51页 |
| 4.1 ORB特征提取 | 第43-45页 |
| 4.2 基于光流的2D运动估计 | 第45-47页 |
| 4.3 基于K-means的运动矢量分类 | 第47-50页 |
| 4.4 本章小结 | 第50-51页 |
| 第5章 3D头部运动估计器 | 第51-57页 |
| 5.1 头部运动估计简述 | 第51-52页 |
| 5.2 基于平面图像的头部运动姿态估计 | 第52-55页 |
| 5.3 对比实验 | 第55-56页 |
| 5.4 头部异常行为分析 | 第56页 |
| 5.5 本章小结 | 第56-57页 |
| 第6章 总结与展望 | 第57-58页 |
| 6.1 总结 | 第57页 |
| 6.2 展望 | 第57-58页 |
| 致谢 | 第58-59页 |
| 参考文献 | 第59-61页 |