| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 符号对照表 | 第10-11页 |
| 缩略语对照表 | 第11-14页 |
| 第一章 绪论 | 第14-20页 |
| 1.1 选题缘由和意义 | 第14-15页 |
| 1.2 国内外研究现状 | 第15-17页 |
| 1.3 局部约束模型算法主要问题分析 | 第17-18页 |
| 1.4 论文的主要内容和工作安排 | 第18-20页 |
| 第二章 主动形状模型 | 第20-30页 |
| 2.1 引言 | 第20-21页 |
| 2.2 点分布模型 | 第21-24页 |
| 2.2.1 点分布模型综述 | 第21页 |
| 2.2.2 将点分布模型应用于人脸描述 | 第21-24页 |
| 2.3 主动形状模型的训练算法流程 | 第24-27页 |
| 2.3.1 建立形状模型 | 第24-25页 |
| 2.3.2 构建每个特征点的局部特征 | 第25-27页 |
| 2.4 主动形状模型的图像拟合过程 | 第27-28页 |
| 2.4.1 计算每个特征点的新位置 | 第27页 |
| 2.4.2 仿射变换参数和投影向量参数的更新 | 第27-28页 |
| 2.5 本章小结 | 第28-30页 |
| 第三章 基于独立分量分析的改进型局部约束模型 | 第30-46页 |
| 3.1 概述 | 第30-31页 |
| 3.2 局部模型 | 第31-32页 |
| 3.3 局部外观模型的构建 | 第32-36页 |
| 3.4 采用局部约束模型的人脸特征点定位方法 | 第36-38页 |
| 3.5 基于独立分量分析的改进型局部约束模型 | 第38-42页 |
| 3.5.1 独立分量分析基本理论 | 第38-39页 |
| 3.5.2 ICA的主要算法 | 第39-40页 |
| 3.5.3 将ICA应用于CLM模型特征提取 | 第40-42页 |
| 3.6 局部约束模型算法概要及拟合一般过程 | 第42-43页 |
| 3.7 本章小结 | 第43-46页 |
| 第四章 基于子空间约束的局部约束模型拟合算法 | 第46-58页 |
| 4.1 背景介绍 | 第46-48页 |
| 4.2 传统拟合算法介绍 | 第48-51页 |
| 4.2.1 使用主动形状模型的方法 | 第48-49页 |
| 4.2.2 凸二次拟合法 | 第49页 |
| 4.2.3 采用高斯混合模型的估计算法 | 第49-51页 |
| 4.3 基于子空间约束的mean-shift拟合算法 | 第51-55页 |
| 4.4 各拟合方法性能实验对比 | 第55-57页 |
| 4.5 本章小结 | 第57-58页 |
| 第五章 实验结果分析与比较 | 第58-68页 |
| 5.1.概述 | 第58-59页 |
| 5.2.正面脸部一般特征点跟踪实验 | 第59-61页 |
| 5.2.1 主动形状模型算法实验： | 第59-60页 |
| 5.2.2 基于子空间约束的局部约束模型算法实验： | 第60-61页 |
| 5.3.正面脸部较大形变下的特征点跟踪实验 | 第61-63页 |
| 5.3.1 主动形状模型算法实验： | 第61-62页 |
| 5.3.2 基于子空间约束的局部约束模型算法实验： | 第62-63页 |
| 5.4.稍侧面脸部一般特征点跟踪实验 | 第63-65页 |
| 5.4.1 主动形状模型算法实验： | 第63-64页 |
| 5.4.2 基于子空间约束的局部约束模型算法实验： | 第64-65页 |
| 5.5 本章小结 | 第65-68页 |
| 第六章 总结与前景展望 | 第68-70页 |
| 6.1 本文的主要工作 | 第68-69页 |
| 6.2 对未来的展望 | 第69-70页 |
| 参考文献 | 第70-72页 |
| 致谢 | 第72-74页 |
| 作者简介 | 第74-75页 |
