首页--工业技术论文--自动化技术、计算机技术论文--计算技术、计算机技术论文--计算机的应用论文--信息处理(信息加工)论文--模式识别与装置论文

人脸特征点定位算法研究

摘要第3-4页
Abstract第4页
第一章 绪论第8-15页
    1.1 课题研究的背景及意义第8-9页
    1.2 国内外研究现状第9-13页
    1.3 本文内容简介第13-14页
    1.4 论文结构安排第14-15页
第二章 基于级联回归人脸特征点定位的基本原理第15-27页
    2.1 基于级联回归人脸特征点定位一般流程第15-16页
    2.2 基于Viola-Jones检测器的人脸检测第16-19页
        2.2.1 Harr-like特征第16页
        2.2.2 积分图像第16-17页
        2.2.3 Adaboost算法第17-19页
    2.3 级联形状回归模型第19-23页
        2.3.1 初始化方法第19-20页
        2.3.2 形状索引特征第20-22页
        2.3.3 相关性特征选择第22-23页
    2.4 主流的级联回归方法第23-26页
    2.5 人脸特征点定位评价指标第26页
    2.6 本章小结第26-27页
第三章 改进的显式形状回归人脸特征点定位算法第27-37页
    3.1 引言第27页
    3.2 改进的显式形状回归人脸特征点定位算法基本原理第27-30页
        3.2.1 基于三点定位的人脸形状初始化第28-29页
        3.2.2 基于像素块特征的人脸特征点定位第29页
        3.2.3 基于多假设融合策略的人脸特征点定位第29-30页
    3.3 算法实现步骤第30-31页
    3.4 仿真实验结果与分析第31-35页
    3.5 本章小结第35-37页
第四章 基于仿射变换参数回归和二值化特征的人脸特征点定位第37-47页
    4.1 引言第37页
    4.2 基于仿射变换参数回归和局部二值化特征的人脸特征点定位基本原理第37-40页
        4.2.1 基于仿射变换参数回归的人脸形状初始化第38-39页
        4.2.2 基于随机蕨学习局部二值化特征第39-40页
        4.2.3 全局线性回归第40页
    4.3 算法实现步骤第40-41页
    4.4 仿真实验结果与分析第41-46页
        4.4.1 实验参数设置第42页
        4.4.2 本章算法实验过程效果图展示第42页
        4.4.3 与现有算法的定量分析对比第42-45页
        4.4.4 与现有算法的定性分析对比第45-46页
    4.5 本章小结第46-47页
第五章 基于级联回归和多视角生成模型的人脸特征点定位第47-59页
    5.1 引言第47页
    5.2 基于级联回归和多视角生成模型的人脸特征点定位基本原理第47-51页
        5.2.1 CPR模型的基本原理第48-50页
        5.2.2 基于多视角生成模型的人脸姿态估计第50-51页
    5.3 算法实现步骤第51-52页
    5.4 仿真实验结果与分析第52-57页
        5.4.1 仿真结果与分析第52-55页
        5.4.2 本文三种算法性能评价第55-57页
    5.5 本章小结第57-59页
主要结论与展望第59-61页
    主要结论第59页
    展望第59-61页
致谢第61-62页
参考文献第62-66页
附录: 作者在攻读硕士学位期间发表的论文第66页

论文共66页,点击 下载论文
上一篇:背单词软件在高职英语词汇教学中的应用研究--以单招生为例
下一篇:多敏感属性数据的匿名隐私保护方法研究