| 摘要 | 第3-4页 |
| ABSTRACT | 第4页 |
| 第一章 绪论 | 第7-14页 |
| 1.1 研究背景和意义 | 第7页 |
| 1.2 国内外的研究现状 | 第7-11页 |
| 1.2.1 头部姿态估计 | 第8-10页 |
| 1.2.2 人脸识别 | 第10-11页 |
| 1.3 常用人脸数据库 | 第11-12页 |
| 1.3.1 ORL人脸数据库 | 第11页 |
| 1.3.2 Extended Yale B人脸数据库 | 第11页 |
| 1.3.3 AR人脸数据库 | 第11页 |
| 1.3.4 FERET人脸数据库 | 第11-12页 |
| 1.3.5 LFW人脸数据库 | 第12页 |
| 1.3.6 CMU-PIE人脸数据库 | 第12页 |
| 1.3.7 IMM人脸数据库 | 第12页 |
| 1.4 论文研究内容及结构安排 | 第12-14页 |
| 第二章 主动外观模型的理论基础 | 第14-23页 |
| 2.1 AAM的发展现状 | 第14-15页 |
| 2.2 AAM模型的建立 | 第15-19页 |
| 2.2.1 建立AAM形状模型 | 第15-16页 |
| 2.2.2 AAM纹理模型的建立 | 第16-18页 |
| 2.2.3 AAM的混合建模 | 第18-19页 |
| 2.3 AAM的拟合算法 | 第19-22页 |
| 2.3.1 线性回归AAM拟合算法 | 第19页 |
| 2.3.2 Lucas-Kanada算法 | 第19-20页 |
| 2.3.3 基于反向组合AAM拟合算法 | 第20-22页 |
| 2.4 本章小结 | 第22-23页 |
| 第三章 一种改进的AAM头部姿态估计算法 | 第23-38页 |
| 3.1 人脸姿态估计的概述 | 第23页 |
| 3.2 基于Ada Boost的人脸检测算法 | 第23-29页 |
| 3.2.1 Haar-like特征 | 第24-26页 |
| 3.2.2 Adaboost算法 | 第26-28页 |
| 3.2.3 Adaboost多分类级联结构 | 第28-29页 |
| 3.3 局部二值模式LBP | 第29-30页 |
| 3.4 HOG特征 | 第30-33页 |
| 3.5 人脸姿态估计 | 第33-36页 |
| 3.5.1 HOG-LBP对人脸图像的处理 | 第33-34页 |
| 3.5.2 建立人脸平均直方图 | 第34-35页 |
| 3.5.3 测试图像不同转向的判定 | 第35页 |
| 3.5.4 人脸模型实例的建立 | 第35-36页 |
| 3.6 算法设计与实现 | 第36-37页 |
| 3.7 本章小结 | 第37-38页 |
| 第四章 人脸识别算法中识别率的影响因素 | 第38-46页 |
| 4.1 引言 | 第38-39页 |
| 4.2 基于协同表示的分类 | 第39-40页 |
| 4.2.1 稀疏表示 | 第39页 |
| 4.2.2 协作表示 | 第39-40页 |
| 4.3 训练样本集的结构和稀疏表示分类算法之间的关系 | 第40-41页 |
| 4.4 实验结果及分析 | 第41-43页 |
| 4.5 分块原理 | 第43-45页 |
| 4.5.1 块权值的优化 | 第43-44页 |
| 4.5.2 确定优化块的尺度大小和重叠度 | 第44页 |
| 4.5.3 实验结果及分析 | 第44-45页 |
| 4.6 本章小结 | 第45-46页 |
| 第五章 总结与展望 | 第46-47页 |
| 5.1 论文总结 | 第46页 |
| 5.2 未来工作展望 | 第46-47页 |
| 参考文献 | 第47-52页 |
| 致谢 | 第52-53页 |
| 攻读硕士期间发表的学术论文 | 第53-54页 |
| 攻读硕士期间参与的科研项目 | 第54页 |