| 致谢 | 第5-6页 |
| 摘要 | 第6-7页 |
| Abstract | 第7-8页 |
| 1 绪论 | 第12-16页 |
| 1.0 课题来源 | 第12页 |
| 1.1 课题的研究背景 | 第12-14页 |
| 1.2 本文的工作和组织 | 第14-16页 |
| 1.2.1 Android手机上的人脸姿态估计系统 | 第14-15页 |
| 1.2.2 基于图像的立体虚拟展示系统 | 第15页 |
| 1.2.3 实验 | 第15-16页 |
| 2 相机运动在计算机图形学与计算机视觉的相关理论基础 | 第16-32页 |
| 2.1 射影变换 | 第16-18页 |
| 2.1.1 仿射变换 | 第16-17页 |
| 2.1.2 单应矩阵 | 第17-18页 |
| 2.2 摄像机几何和单视图几何 | 第18-20页 |
| 2.2.1 摄像机内参矩阵 | 第19页 |
| 2.2.2 摄像机外参矩阵 | 第19-20页 |
| 2.3 两视图几何 | 第20-24页 |
| 2.3.1 对极几何 | 第21-22页 |
| 2.3.2 基础矩阵 | 第22-23页 |
| 2.3.3 本质矩阵 | 第23-24页 |
| 2.4 基于图像的渲染 | 第24-32页 |
| 2.4.1 不需要几何参数的渲染算法 | 第25-28页 |
| 2.4.2 需要少量几何参数的渲染算法 | 第28-30页 |
| 2.4.3 需要大量几何参数的渲染方法 | 第30-32页 |
| 3 Android手机端基于三维模型的人脸姿态实时估计系统 | 第32-45页 |
| 3.1 系统概述 | 第32页 |
| 3.2 系统框架 | 第32-33页 |
| 3.3 基于SfM的三维人脸模型重建 | 第33-34页 |
| 3.4 特征点提取 | 第34页 |
| 3.5 Ransac筛选 | 第34-35页 |
| 3.6 获取特征点三维坐标 | 第35-36页 |
| 3.7 优化重建效果 | 第36-37页 |
| 3.8 基于“显式形状回归”的检测人脸特征点的算法 | 第37-38页 |
| 3.9 姿态识别与增强现实 | 第38-42页 |
| 3.9.1 求解并优化旋转平移矩阵 | 第38-39页 |
| 3.9.2 增强现实 | 第39-42页 |
| 3.10 实验 | 第42-45页 |
| 4 基于保持内容的变形算法的虚拟展示系统 | 第45-71页 |
| 4.1 系统概述 | 第45-46页 |
| 4.2 生成的数据集 | 第46-48页 |
| 4.2.1 摄像机内外参 | 第46-47页 |
| 4.2.2 特征点集 | 第47-48页 |
| 4.3 拟合摄像机运动轨迹 | 第48-52页 |
| 4.3.1 对三维摄像机世界坐标点拟合一个平面 | 第48-49页 |
| 4.3.2 将三维摄像机世界坐标点投影到平面上 | 第49-50页 |
| 4.3.3 对平面上的二维坐标点拟合一个二维圆 | 第50-51页 |
| 4.3.4 把二维圆转换为三维圆 | 第51-52页 |
| 4.4 对极变换 | 第52-56页 |
| 4.4.1 求解新视点摄像机内参 | 第52-53页 |
| 4.4.2 求解原始视点与新视点之间的基础矩阵 | 第53-54页 |
| 4.4.3 求解极线,并求极线交点 | 第54-56页 |
| 4.5 预处理以及预变形算法 | 第56-57页 |
| 4.6 保持内容的变形算法 | 第57-60页 |
| 4.6.1 数据项(Data Term) | 第57-58页 |
| 4.6.2 相似变换项(Similarity Transformation Term) | 第58-60页 |
| 4.7 纹理映射算法与两视图图像融合 | 第60-61页 |
| 4.8 生成最终视频 | 第61-63页 |
| 4.9 实验 | 第63-71页 |
| 4.9.1 真实数据 | 第63-65页 |
| 4.9.2 View Morphing,Photosynth,CPW的对比试验 | 第65-68页 |
| 4.9.3 Maya生成的数据在CPW算法下的结果 | 第68-71页 |
| 5 总结与展望 | 第71-73页 |
| 5.1 总结 | 第71页 |
| 5.2 展望 | 第71-73页 |
| 6 参考文献 | 第73-78页 |
| 作者简历及在学期间所取得的科研成果 | 第78页 |
