首页--工业技术论文--自动化技术、计算机技术论文--计算技术、计算机技术论文--计算机的应用论文--信息处理(信息加工)论文--模式识别与装置论文

人脸标记点跟踪快速对齐算法及其树莓派应用

摘要第4-5页
Abstract第5页
第一章 绪论第8-15页
    1.1 研究背景和意义第8-9页
    1.2 人脸标记点对齐算法的研究现状第9-12页
        1.2.1 人脸标记点对齐概述第9-10页
        1.2.2 国内外研究现状第10-12页
    1.3 OpenCV和树莓派系统第12-14页
    1.4 研究内容及章节安排第14-15页
第二章 主动表观模型第15-26页
    2.1 基于主动视觉的人脸定位第15页
    2.2 点分布模型第15-19页
        2.2.1 训练样本对齐第16-17页
        2.2.2 形状变换建模第17-19页
    2.3 主动形状模型第19-22页
        2.3.1 计算新位置第19-21页
        2.3.2 计算形状和姿态参数第21-22页
    2.4 主动表观模型第22-25页
        2.4.1 样本纹理数据采集和标准化第22-24页
        2.4.2 统计分析建模第24页
        2.4.3 主动表观模型与输入图像对齐第24-25页
    2.5 本章小结第25-26页
第三章 反向合成图像对齐算法第26-38页
    3.1 Lucas-Kanade图像对齐算法第26-27页
        3.1.1 Lucas-Kanade图像对齐算法及其推导第26-27页
    3.2 反向合成图像对齐算法第27-29页
        3.2.1 反向合成图像对齐算法及其推导第27-28页
        3.2.2 反向合成图像对齐算法分析第28-29页
    3.3 同步反向合成图像对齐算法第29-32页
        3.3.1 同步反向合成图像对齐算法的目标第30页
        3.3.2 同步反向合成图像对齐算法及其推导第30-31页
        3.3.3 同步反向合成图像对齐算法分析第31-32页
    3.4 投影反向合成图像对齐算法第32-35页
        3.4.1 投影反向合成图像对齐算法的目标第32页
        3.4.2 投影反向合成图像对齐算法及其推导第32-34页
        3.4.3 投影反向合成图像对齐算法分析第34-35页
    3.5 反向合成图像对齐算法实验对比分析第35-37页
    3.6 本章小结第37-38页
第四章 快速同步反向合成图像对齐算法第38-49页
    4.1 问题的引入第38-39页
    4.2 主动表观模型快速匹配算法第39-43页
        4.2.1 快速反向同步合成图像对齐算法第39-41页
        4.2.2 快速前向同步合成图像对齐算法第41-43页
    4.3 实验结果与对比分析第43-47页
        4.3.1 训练样本数目对匹配的误差分析第43-44页
        4.3.2 匹配迭代次数对匹配的误差分析第44-46页
        4.3.3 快速反向同步合成图像对齐算法与其余算法的对比分析第46-47页
    4.4 本章小结第47-49页
第五章 软件设计与实现第49-61页
    5.1 人脸标记点跟踪系统第49-50页
    5.2 系统总体框架第50页
    5.3 系统各模块说明第50-55页
        5.3.1 建立训练样本库模块第50-52页
        5.3.2 人脸检测模块第52页
        5.3.3 建立主动表观模型模块第52-53页
        5.3.4 快速反向同步合成图像对齐算法迭代对齐模块第53-55页
    5.4 系统功能演示第55-59页
    5.5 本章小结第59-61页
第六章 总结与展望第61-62页
参考文献第62-65页
附录1 攻读硕士学位期间申请的专利第65-66页
致谢第66页

论文共66页,点击 下载论文
上一篇:基于最小二乘法与智能避障模型的行人跟踪
下一篇:不确定通信下网络化Euler-Lagrange系统的一致性研究