| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第10-20页 |
| 1.1 研究背景与意义 | 第10-11页 |
| 1.2 人脸对齐国内外研究现状 | 第11-19页 |
| 1.2.1 研究现状 | 第11-13页 |
| 1.2.2 研究难点 | 第13-14页 |
| 1.2.3 常用的数据库 | 第14-18页 |
| 1.2.5 人脸对齐的性能评估 | 第18-19页 |
| 1.3 论文的结构安排 | 第19-20页 |
| 第2章 基于HAAR-LIKE特征ADABOOST算法的人脸检测 | 第20-35页 |
| 2.1 人脸检测方法概述 | 第20-21页 |
| 2.1.1 基于级联分类器的方法 | 第20页 |
| 2.1.2 基于可变形部件模型的方法 | 第20-21页 |
| 2.1.3 基于神经网络的方法 | 第21页 |
| 2.2 基于ADABOOST算法的人脸检测实现 | 第21-31页 |
| 2.2.1 Haar-like特征 | 第22-25页 |
| 2.2.2 积分图 | 第25-27页 |
| 2.2.3 分类器的构建 | 第27-28页 |
| 2.2.4 分类器的级联 | 第28-31页 |
| 2.3 实验结果与分析 | 第31-34页 |
| 2.4 本章小结 | 第34-35页 |
| 第3章 基于ASM的人脸对齐算法 | 第35-46页 |
| 3.1 点分布模型 | 第35-36页 |
| 3.2 ASM的人脸对齐实现 | 第36-42页 |
| 3.2.1 训练样本形状的对齐 | 第37-38页 |
| 3.2.2 构建形状模型 | 第38-39页 |
| 3.2.3 构建局部纹理模型 | 第39-41页 |
| 3.2.4 人脸形状搜索 | 第41-42页 |
| 3.3 实验结果与分析 | 第42-45页 |
| 3.4 本章小结 | 第45-46页 |
| 第4章 基于随机森林回归的人脸对齐算法 | 第46-59页 |
| 4.1 算法原理 | 第46-47页 |
| 4.2 基于随机森林回归的人脸对齐实现 | 第47-52页 |
| 4.2.1 人脸形状初始化 | 第48-49页 |
| 4.2.2 构建随机森林模型 | 第49-51页 |
| 4.2.3 构建形状优化模型 | 第51-52页 |
| 4.3 实验结果与分析 | 第52-54页 |
| 4.4 方法比较 | 第54-58页 |
| 4.5 本章小结 | 第58-59页 |
| 结论 | 第59-61页 |
| 参考文献 | 第61-66页 |
| 致谢 | 第66-67页 |
| 附录A (攻读学位期间所发表的学术论文目录) | 第67-68页 |
| 附录B (攻读学位期间所参与的科研项目) | 第68页 |