基于视频的人脸检测与对齐算法研究
| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第1章 绪论 | 第9-14页 |
| 1.1 研究背景及意义 | 第9-10页 |
| 1.2 国内外动态 | 第10-12页 |
| 1.2.1 人脸检测国内外动态 | 第10-11页 |
| 1.2.2 人脸对齐国内外动态 | 第11-12页 |
| 1.3 本文结构和内容 | 第12-13页 |
| 1.4 本章小结 | 第13-14页 |
| 第2章 相关算法概述 | 第14-23页 |
| 2.1 随机森林 | 第14-16页 |
| 2.1.1 决策树 | 第14-15页 |
| 2.1.2 建立随机森林 | 第15-16页 |
| 2.2 线性回归 | 第16-18页 |
| 2.2.1 最小二乘法 | 第16-17页 |
| 2.2.2 梯度下降法 | 第17-18页 |
| 2.3 支持向量机 | 第18-21页 |
| 2.3.1 二分类SVM | 第18-20页 |
| 2.3.2 多分类SVM | 第20-21页 |
| 2.4 主成份分析 | 第21-22页 |
| 2.5 本章小结 | 第22-23页 |
| 第3章 基于VJ框架改进的人脸检测 | 第23-41页 |
| 3.1 本文采用的人脸检测框架 | 第23-29页 |
| 3.1.1 人脸特征的提取 | 第23-26页 |
| 3.1.2 分类器设定 | 第26-27页 |
| 3.1.3 分类器级联 | 第27-29页 |
| 3.2 本文改进算法 | 第29-35页 |
| 3.2.1 视频中人脸位置预估 | 第29-31页 |
| 3.2.2 视频中人脸跟踪 | 第31-34页 |
| 3.2.3 视频人脸自适应检测 | 第34-35页 |
| 3.3 实验结果与分析 | 第35-40页 |
| 3.4 本章小结 | 第40-41页 |
| 第4章 基于CLM框架的人脸对齐优化 | 第41-54页 |
| 4.1 CLM框架 | 第41-44页 |
| 4.1.1 形状模型 | 第41-42页 |
| 4.1.2 图像块模型 | 第42页 |
| 4.1.3 搜索过程 | 第42-44页 |
| 4.2 FPS3000 | 第44-48页 |
| 4.2.1 算法流程 | 第44-47页 |
| 4.2.2 特征点选择优化 | 第47-48页 |
| 4.3 本文优化算法 | 第48-51页 |
| 4.3.1 初始形状选择 | 第48-49页 |
| 4.3.2 数据集预处理 | 第49-50页 |
| 4.3.3 建立形状模型 | 第50-51页 |
| 4.4 实验结果与分析 | 第51-53页 |
| 4.4.1 数据集选择 | 第51-52页 |
| 4.4.2 实验对比 | 第52-53页 |
| 4.5 本章小结 | 第53-54页 |
| 第5章 算法的流程与应用 | 第54-60页 |
| 5.1 整体流程 | 第54-57页 |
| 5.1.1 人脸检测流程 | 第54-55页 |
| 5.1.2 人脸对齐流程 | 第55-57页 |
| 5.2 视频人脸动画的实现 | 第57-59页 |
| 5.3 本章小结 | 第59-60页 |
| 第6章 总结与展望 | 第60-62页 |
| 6.1 总结 | 第60-61页 |
| 6.2 展望 | 第61-62页 |
| 参考文献 | 第62-64页 |
| 作者简介及在学期间所取得的科研成果 | 第64-65页 |
| 致谢 | 第65页 |
