| 致谢 | 第5-6页 |
| 摘要 | 第6-7页 |
| ABSTRACT | 第7-8页 |
| 1 引言 | 第12-20页 |
| 1.1 研究背景及意义 | 第12-13页 |
| 1.2 研究内容和挑战 | 第13-14页 |
| 1.3 国内外研究现状 | 第14-18页 |
| 1.4 本论文主要工作 | 第18页 |
| 1.5 本论文结构安排 | 第18-20页 |
| 2 人脸特征点定位相关研究 | 第20-34页 |
| 2.1 基于级联形状回归框架的人脸特征点定位 | 第20-24页 |
| 2.1.1 级联形状回归模型的原理 | 第20-21页 |
| 2.1.2 基于级联形状回归模型的人脸特征点定位方法 | 第21-23页 |
| 2.1.3 级联形状回归模型总结 | 第23-24页 |
| 2.2 基于深度模型的人脸特征点定位 | 第24-26页 |
| 2.2.1 基于深度模型的人脸特征点定位方法 | 第24-26页 |
| 2.2.2 深度模型总结 | 第26页 |
| 2.3 卷积神经网络 | 第26-30页 |
| 2.3.1 卷积神经网络结构 | 第26-29页 |
| 2.3.2 卷积神经网络的应用 | 第29-30页 |
| 2.3.3 卷积神经网络总结 | 第30页 |
| 2.4 人脸特征点定位常用数据库 | 第30-33页 |
| 2.5 本章小结 | 第33-34页 |
| 3 基于深度卷积特征的人脸特征点定位研究 | 第34-48页 |
| 3.1 问题背景 | 第34-35页 |
| 3.2 问题描述 | 第35-38页 |
| 3.2.1 人脸特征点定位流程 | 第35页 |
| 3.2.2 人脸形状定义 | 第35-36页 |
| 3.2.3 特征描述 | 第36-37页 |
| 3.2.4 形状回归函数 | 第37-38页 |
| 3.3 基于深度卷积特征的人脸特征点定位方法 | 第38-42页 |
| 3.3.1 人脸特征点定位框架 | 第38-39页 |
| 3.3.2 全局卷积特征提取方法 | 第39-40页 |
| 3.3.3 形状回归算法 | 第40-42页 |
| 3.4 实验结果 | 第42-47页 |
| 3.4.1 实验环境和数据 | 第42页 |
| 3.4.2 实验结果评估指标 | 第42-43页 |
| 3.4.3 本模型训练过程 | 第43-44页 |
| 3.4.4 本模型实验结果分析 | 第44-47页 |
| 3.5 本章小结 | 第47-48页 |
| 4 基于级联形状回归框架的人脸特征点定位研究 | 第48-60页 |
| 4.1 问题背景 | 第48-49页 |
| 4.2 问题描述 | 第49-50页 |
| 4.2.1 级联形状回归的流程 | 第49页 |
| 4.2.2 人脸形状定义 | 第49页 |
| 4.2.3 特征描述 | 第49-50页 |
| 4.2.4 形状回归函数 | 第50页 |
| 4.3 基于级联回归框架的人脸特征点定位方法 | 第50-54页 |
| 4.3.1 级联人脸特征点定位框架 | 第50-52页 |
| 4.3.2 局部卷积特征提取算法 | 第52-53页 |
| 4.3.3 形状回归算法 | 第53-54页 |
| 4.4 实验结果 | 第54-59页 |
| 4.4.1 实验环境和数据 | 第54页 |
| 4.4.2 实验结果评估方法 | 第54-55页 |
| 4.4.3 本模型训练过程 | 第55页 |
| 4.4.4 本模型实验结果分析 | 第55-58页 |
| 4.4.5 本模型与其他方法的对比 | 第58-59页 |
| 4.5 本章小结 | 第59-60页 |
| 5 结论 | 第60-62页 |
| 5.1 研究总结 | 第60页 |
| 5.2 工作展望 | 第60-62页 |
| 参考文献 | 第62-66页 |
| 作者简历及攻读硕士学位期间取得的研究成果 | 第66-68页 |
| 学位论文数据集 | 第68页 |