| 摘要 | 第1-9页 |
| Abstract | 第9-11页 |
| 第1章 引言 | 第11-14页 |
| ·研究动机 | 第11页 |
| ·研究问题 | 第11-12页 |
| ·本文工作 | 第12-13页 |
| ·论文组织 | 第13-14页 |
| 第2章 人脸跟踪与合成综述 | 第14-27页 |
| ·引言 | 第14页 |
| ·人脸检测 | 第14-17页 |
| ·在单张图像中检测人脸 | 第16-17页 |
| ·人脸跟踪 | 第17-23页 |
| ·人脸及人脸特征跟踪概述 | 第17-18页 |
| ·人脸／人头跟踪 | 第18-22页 |
| ·人脸特征跟踪 | 第22-23页 |
| ·人脸分析与合成 | 第23-26页 |
| ·人脸分析 | 第23-24页 |
| ·人脸表情合成 | 第24-26页 |
| ·小结 | 第26-27页 |
| 第3章 从正交图像生成人脸模型的合成分析方法 | 第27-40页 |
| ·算法流程 | 第28页 |
| ·通用人脸模型 | 第28-29页 |
| ·Synthesis过程 | 第29-33页 |
| ·通用三维人脸变形 | 第29-30页 |
| ·人脸网格模型建立 | 第30-31页 |
| ·纹理合成 | 第31-33页 |
| ·纹理映射 | 第33页 |
| ·Analysis和细分反馈过程 | 第33-37页 |
| ·三角面片的相似度度量 | 第34页 |
| ·局部自适应细分反馈算法 | 第34-37页 |
| ·实验结果 | 第37-39页 |
| ·小结 | 第39-40页 |
| 第4章 基于贝叶斯网络增强预测模型的人脸多特征跟踪 | 第40-54页 |
| ·引言 | 第40-41页 |
| ·特征轮廓表示 | 第41-42页 |
| ·人脸特征轮廓的空间降维 | 第42页 |
| ·多重提示预测模型 | 第42-49页 |
| ·基于二阶自回归过程的动力学模型 | 第42-44页 |
| ·使用图模型来增强预测 | 第44-46页 |
| ·基于低层次特征的人脸预跟踪 | 第46-47页 |
| ·人脸特征间空间约束 | 第47-48页 |
| ·多重提示融合预测 | 第48页 |
| ·融合基于二阶自回归过程的动力学模型与基于图模型的动力学模型 | 第48-49页 |
| ·观测模型 | 第49页 |
| ·实验结果 | 第49-53页 |
| ·小结 | 第53-54页 |
| 第5章 基于概率图模型的人脸多特征跟踪 | 第54-65页 |
| ·引言 | 第54-55页 |
| ·由粒子滤波来对人脸多特征进行跟踪 | 第55-57页 |
| ·使用多个粒子滤波器的必要性 | 第56页 |
| ·只使用多个独立粒子滤波器的局限性 | 第56-57页 |
| ·结合粒子滤波和信任度传播算法 | 第57-60页 |
| ·有环信任度传播 | 第57-58页 |
| ·在时空概率图模型中的信任度传播算法 | 第58-59页 |
| ·学习相关函数 | 第59页 |
| ·优化马尔可夫网络的贝叶斯推理 | 第59-60页 |
| ·实验结果 | 第60-64页 |
| ·小结 | 第64-65页 |
| 第6章 基于steerable金字塔的人脸图像超分辨率 | 第65-83页 |
| ·引言 | 第65-66页 |
| ·人脸图像超分辨率的贝叶斯估计 | 第66-67页 |
| ·先验模型建立 | 第67-75页 |
| ·图像低层次局部特征 | 第67-70页 |
| ·特征向量 | 第70-71页 |
| ·塔状父结构 | 第71-72页 |
| ·局部最优匹配 | 第72-74页 |
| ·预测先验模型 | 第74-75页 |
| ·观测模型建立 | 第75页 |
| ·集成与优化 | 第75-76页 |
| ·实验结果分析 | 第76-81页 |
| ·小结 | 第81-83页 |
| 第7章 人脸表情幻想 | 第83-95页 |
| ·引言 | 第83-84页 |
| ·第一步：基于流形学习和推理的人脸表情图像合成 | 第84-88页 |
| ·维数约减 | 第84-85页 |
| ·非线性流形 | 第85页 |
| ·获得中立人脸图像的本征参数 | 第85-86页 |
| ·获得输入中立人脸图像的低维人脸本征参数 | 第86-87页 |
| ·学习中立和“愉快”人脸本征参数对之间的关系 | 第87页 |
| ·从低维人脸本征参数重建人脸图像 | 第87-88页 |
| ·推理 | 第88页 |
| ·第二步：使用基于局部小块的模型来进行求精 | 第88-92页 |
| ·马尔可夫网络 | 第88-89页 |
| ·ψ_(ij)和φ_i | 第89-91页 |
| ·通过信任度传播算法学习“愉快”残差人脸图像 | 第91页 |
| ·使用图切割进一步求精 | 第91-92页 |
| ·实验结果 | 第92-94页 |
| ·小结 | 第94-95页 |
| 第8章 系统框架设计与实现 | 第95-109页 |
| ·引言 | 第95页 |
| ·系统总体框架设计 | 第95-100页 |
| ·基于视频流的非真实感人脸动画 | 第96-97页 |
| ·基于视频流的真实感3D人脸动画 | 第97-98页 |
| ·基于运动捕获数据的真实感3D人脸动画 | 第98-99页 |
| ·全身真实感动画 | 第99-100页 |
| ·由运动数据直接驱动3D人脸模型 | 第100-104页 |
| ·变形核 | 第100-101页 |
| ·径向基函数 | 第101-103页 |
| ·实验结果 | 第103-104页 |
| ·系统模块界面图 | 第104-108页 |
| ·人脸跟踪子系统 | 第104-106页 |
| ·人脸建模子系统 | 第106-108页 |
| ·人脸驱动子系统 | 第108页 |
| ·小结 | 第108-109页 |
| 第9章 结论与展望 | 第109-111页 |
| ·结论 | 第109页 |
| ·展望 | 第109-111页 |
| 参考文献 | 第111-125页 |
| 作者在攻博期间发表(或录用)的文章及参与项目 | 第125-126页 |
| 发表论文 | 第125页 |
| 参与的项目 | 第125-126页 |
| 致谢 | 第126页 |
