基于流形学习的身份无关头部姿态估计方法研究
| 摘要 | 第1-4页 |
| ABSTRACT | 第4-8页 |
| 第1章 绪论 | 第8-13页 |
| ·课题的研究背景和意义 | 第8-10页 |
| ·研究意义 | 第8-9页 |
| ·主要挑战 | 第9-10页 |
| ·头部姿态估计问题描述 | 第10-11页 |
| ·本文研究内容及结构安排 | 第11-12页 |
| ·本文研究内容 | 第11-12页 |
| ·本文组织结构 | 第12页 |
| ·本章小结 | 第12-13页 |
| 第2章 头部姿态估计的比较 | 第13-24页 |
| ·真实数据集 | 第13页 |
| ·FacePix 数据库 | 第13页 |
| ·几类头部姿态估计方法 | 第13-23页 |
| ·表观模板方法 | 第14-16页 |
| ·检测器阵列方法 | 第16-17页 |
| ·非线性回归方法 | 第17-18页 |
| ·可变通模型 | 第18-19页 |
| ·几何方法 | 第19-20页 |
| ·跟踪方法 | 第20-22页 |
| ·流形嵌入方法 | 第22-23页 |
| ·本章小结 | 第23-24页 |
| 第3章 流形学习头部姿态估计中的降维 | 第24-39页 |
| ·等距映射算法ISOMAP | 第25-27页 |
| ·局部线性嵌入算法LLE | 第27-30页 |
| ·传统LLE | 第27-29页 |
| ·局部嵌入分析LEA | 第29-30页 |
| ·拉普拉斯特征映射算法LE | 第30-32页 |
| ·传统LE | 第31-32页 |
| ·局部保持投影算法LPP | 第32页 |
| ·实验与分析 | 第32-38页 |
| ·本章小结 | 第38-39页 |
| 第4章 基于LLE 的身份无关头部姿态估计 | 第39-57页 |
| ·偏置流形学习 | 第39-40页 |
| ·面向头部姿态估计LLE | 第40-47页 |
| ·图像距离度量 | 第40-45页 |
| ·算法实现 | 第45-47页 |
| ·姿态估计 | 第47-51页 |
| ·广义回归神经网络 | 第48-49页 |
| ·多元线性回归模型与参数估计 | 第49-50页 |
| ·计算步骤 | 第50-51页 |
| ·实验结果与分析 | 第51-56页 |
| ·人脸图像的尺度归一化 | 第51-53页 |
| ·实验设计与分析 | 第53-56页 |
| ·本章小结 | 第56-57页 |
| 第5章 总结与展望 | 第57-58页 |
| 参考文献 | 第58-64页 |
| 攻读学位期间发表的学术论文 | 第64-65页 |
| 致谢 | 第65页 |
