人脸特征点定位及应用
| 摘要 | 第5-7页 |
| ABSTRACT | 第7-8页 |
| 第一章 绪论 | 第11-17页 |
| 1.1 研究目的与意义 | 第11-12页 |
| 1.2 国内外研究现状 | 第12-15页 |
| 1.2.1 人脸特征点定位 | 第12-14页 |
| 1.2.2 人脸姿态估计 | 第14-15页 |
| 1.3 论文的主要工作 | 第15-16页 |
| 1.4 论文的内容安排 | 第16-17页 |
| 第二章 人脸姿态估计 | 第17-29页 |
| 2.1 引言 | 第17-18页 |
| 2.2 人脸姿态的粗分类 | 第18-23页 |
| 2.2.1 HOG特征 | 第19-21页 |
| 2.2.2 SVM分类器 | 第21-22页 |
| 2.2.3 人脸姿态粗分类模型结果分析 | 第22-23页 |
| 2.3 人脸姿态的细分类 | 第23-27页 |
| 2.3.1 人脸姿态回归的特征选择 | 第24-26页 |
| 2.3.2 支持向量回归(SVR)算法 | 第26-27页 |
| 2.3.3 人脸姿态细分类模型结果分析 | 第27页 |
| 2.4 本章小结 | 第27-29页 |
| 第三章 人脸特征点定位算法及改进 | 第29-45页 |
| 3.1 引言 | 第29-30页 |
| 3.2 局部二值特征 | 第30-33页 |
| 3.3 LBF算法的实现及改进 | 第33-40页 |
| 3.3.1 LBF算法实现细节 | 第33-34页 |
| 3.3.2 LBF算法的改进 | 第34-40页 |
| 3.4 基于深度学习的特征点估计 | 第40-43页 |
| 3.4.1 卷积神经网络及Caffe框架 | 第40-42页 |
| 3.4.2 基于CNN的人脸特征点估计算法 | 第42-43页 |
| 3.5 本章小结 | 第43-45页 |
| 第四章 人脸特征点定位算法的应用 | 第45-53页 |
| 4.1 引言 | 第45-46页 |
| 4.2 实时人脸姿态估计 | 第46-48页 |
| 4.3 基于目视方向估计的人数实时统计系统 | 第48-52页 |
| 4.4 本章小结 | 第52-53页 |
| 第五章 总结与展望 | 第53-55页 |
| 5.1 总结 | 第53页 |
| 5.2 展望 | 第53-55页 |
| 参考文献 | 第55-59页 |
| 致谢 | 第59-61页 |
| 攻读学位期间发表的学术论文目录 | 第61页 |
