基于显式形状回归的人脸特征点定位算法研究
| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 引言 | 第8-10页 |
| 1 人脸特征点定位 | 第10-23页 |
| 1.1 人脸特征点定位的意义 | 第10-11页 |
| 1.1.1 人脸特征点定位介绍 | 第10页 |
| 1.1.2 人脸特征点定位的应用 | 第10-11页 |
| 1.2 人脸特征点定位的现有方法回顾 | 第11-16页 |
| 1.2.1 基于参数形状模型的特征点定位 | 第12-14页 |
| 1.2.2 基于回归方法的特征点定位 | 第14-16页 |
| 1.3 相关级联回归算法总结 | 第16-22页 |
| 1.3.1 明确的形状回归算法 | 第17-19页 |
| 1.3.2 监督下降的人脸特征点定位方法 | 第19-21页 |
| 1.3.3 局部二值特征的人脸特征点定位方法 | 第21-22页 |
| 1.4 本章总结 | 第22-23页 |
| 2 特征数理论分析 | 第23-30页 |
| 2.1 预备知识 | 第23-25页 |
| 2.2 特征比和特征数 | 第25-26页 |
| 2.3 三种特征数 | 第26-30页 |
| 2.3.1 3点特征数 | 第27页 |
| 2.3.2 5点特征数 | 第27-29页 |
| 2.3.3 6点特征数 | 第29-30页 |
| 3 基于显式形状回归的人脸特征点定位 | 第30-41页 |
| 3.1 本文形状回归算法的引入 | 第30-31页 |
| 3.2 人脸形状先验 | 第31-35页 |
| 3.3 使用特征数约束定位特征点 | 第35页 |
| 3.4 形状回归模型 | 第35-39页 |
| 3.5 使用边缘/拐点和纹理信息初始化 | 第39页 |
| 3.6 进一步的讨论 | 第39-41页 |
| 4 实验结果与分析 | 第41-54页 |
| 4.1 数据集介绍 | 第41-43页 |
| 4.2 形状回归和梯度下降的对比 | 第43-47页 |
| 4.2.1 3种优化方法在标量函数的对比 | 第43-46页 |
| 4.2.2 形状回归和梯度下降优化形状先验 | 第46-47页 |
| 4.3 定位精度算法的对比 | 第47-49页 |
| 4.4 不同姿态的训练样本对基于学习方法的影响 | 第49-52页 |
| 4.5 形状先验结合隐式回归算法 | 第52-53页 |
| 4.6 算法的复杂度分析 | 第53-54页 |
| 结论 | 第54-56页 |
| 参考文献 | 第56-61页 |
| 攻读硕士学位期间发表学术论文情况 | 第61-62页 |
| 致谢 | 第62-63页 |
