| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第一章 绪论 | 第9-21页 |
| 1.1 研究背景及意义 | 第9页 |
| 1.2 人脸特征点定位技术分类 | 第9-10页 |
| 1.2.1 二维人脸特征点定位的挑战 | 第9-10页 |
| 1.2.2 三维人脸特征点定位的优势 | 第10页 |
| 1.3 三维人脸特征点定位技术 | 第10-14页 |
| 1.3.1 三维人脸数据的表示形式 | 第10-11页 |
| 1.3.2 三维人脸常用数据库 | 第11-13页 |
| 1.3.3 三维人脸特征点定位评价指标 | 第13页 |
| 1.3.4 三维人脸特征点定位的应用 | 第13-14页 |
| 1.4 三维人脸特征点定位的研究现状 | 第14-18页 |
| 1.4.1 基于二维映射的方法 | 第14-15页 |
| 1.4.2 基于三维点云的方法 | 第15-18页 |
| 1.5 三维人脸特征点定位的挑战 | 第18页 |
| 1.6 论文组织结构 | 第18-21页 |
| 第二章 基于两步关键点检测的三维人脸特征点定位 | 第21-39页 |
| 2.1 引言 | 第21-22页 |
| 2.1.1 相关工作 | 第21-22页 |
| 2.1.2 算法思路 | 第22页 |
| 2.2 人脸特征点模型 | 第22-25页 |
| 2.2.1 全局形状模板 | 第23-24页 |
| 2.2.2 旋转图模板 | 第24-25页 |
| 2.3 两步关键点检测方法 | 第25-29页 |
| 2.3.1 深度图特征点定位 | 第25-27页 |
| 2.3.2 关键点区域点筛选 | 第27-29页 |
| 2.4 关键点标记 | 第29-30页 |
| 2.4.1 模型匹配 | 第29页 |
| 2.4.2 特征点定位 | 第29-30页 |
| 2.5 实验结果 | 第30-38页 |
| 2.5.1 模型与算法训练 | 第30-31页 |
| 2.5.2 关键点检测阈值选取实验 | 第31-34页 |
| 2.5.3 特征点定位精度实验 | 第34页 |
| 2.5.4 表情变化鲁棒性实验 | 第34-35页 |
| 2.5.5 姿态变化鲁棒性实验 | 第35-37页 |
| 2.5.6 与其他算法的对比实验 | 第37-38页 |
| 2.6 本章小结 | 第38-39页 |
| 第三章 基于特征融合约束局部模型的三维人脸特征点定位 | 第39-51页 |
| 3.1 引言 | 第39-41页 |
| 3.1.1 相关工作 | 第39-40页 |
| 3.1.2 算法思路 | 第40-41页 |
| 3.2 约束局部模型原理 | 第41-42页 |
| 3.2.1 形状模型 | 第41页 |
| 3.2.2 局部模型 | 第41页 |
| 3.2.3 模型拟合 | 第41-42页 |
| 3.3 基于特征融合的约束局部模型 | 第42-45页 |
| 3.3.1 基于网格特征的局部模型 | 第42-45页 |
| 3.3.2 改进的模型拟合方法 | 第45页 |
| 3.4 实验结果 | 第45-50页 |
| 3.4.1 模型与算法训练 | 第46页 |
| 3.4.2 特征点定位精度实验 | 第46-47页 |
| 3.4.3 表情变化鲁棒性实验 | 第47-48页 |
| 3.4.4 姿态变化鲁棒性实验 | 第48-49页 |
| 3.4.5 与其他算法的对比实验 | 第49-50页 |
| 3.5 本章小结 | 第50-51页 |
| 第四章 总结与展望 | 第51-55页 |
| 4.1 本文内容总结 | 第51-52页 |
| 4.2 本文两种算法的对比 | 第52-53页 |
| 4.3 未来工作展望 | 第53页 |
| 4.4 结束语 | 第53-55页 |
| 致谢 | 第55-57页 |
| 参考文献 | 第57-63页 |
| 作者在攻读硕士期间发表的论文与专利 | 第63页 |