基于肤色模型的人脸检测及特征点定位方法研究
| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 1 绪论 | 第9-15页 |
| 1.1 课题研究背景及意义 | 第9页 |
| 1.2 人脸检测及特征点定位研究现状 | 第9-13页 |
| 1.2.1 人脸检测研究现状 | 第9-12页 |
| 1.2.2 人脸特征点定位研究现状 | 第12-13页 |
| 1.3 本文主要研究内容及结构安排 | 第13-15页 |
| 2 基于肤色模型的人脸检测 | 第15-39页 |
| 2.1 颜色空间 | 第15-19页 |
| 2.1.1 RGB颜色空间 | 第15-16页 |
| 2.1.2 HSV颜色空间 | 第16-17页 |
| 2.1.3 YCbCr颜色空间 | 第17-19页 |
| 2.2 基于肤色模型建模 | 第19-21页 |
| 2.3 图像预处理及肤色区域分割 | 第21-24页 |
| 2.3.1 光照补偿 | 第21-22页 |
| 2.3.2 图像二值化处理 | 第22页 |
| 2.3.3 形态学处理及肤色区域筛选 | 第22-24页 |
| 2.3.3.1 形态学处理 | 第22-23页 |
| 2.3.3.2 肤色区域块筛选 | 第23-24页 |
| 2.4 基于深度学习方法训练人脸分类器模型 | 第24-37页 |
| 2.4.1 深度学习 | 第24-29页 |
| 2.4.1.1 卷积神经网络 | 第24-25页 |
| 2.4.1.2 卷积层 | 第25-26页 |
| 2.4.1.3 激活函数层 | 第26-27页 |
| 2.4.1.4 池化层 | 第27-28页 |
| 2.4.1.5 完全连接层 | 第28-29页 |
| 2.4.2 制作训练样本 | 第29-31页 |
| 2.4.3 设计人脸分类器网络结构 | 第31-37页 |
| 2.5 本章小结 | 第37-39页 |
| 3 人脸检测区域的回归再定位 | 第39-45页 |
| 3.1 回归方法研究 | 第39-42页 |
| 3.2 训练集样本制作及格式转化 | 第42-43页 |
| 3.3 回归模型的设计及训练 | 第43页 |
| 3.4 实验结果与分析 | 第43-44页 |
| 3.5 本章小结 | 第44-45页 |
| 4 基于随机森林的人脸特征点定位 | 第45-59页 |
| 4.1 特征点特征提取方法 | 第45-50页 |
| 4.1.1 Haar特征 | 第45-46页 |
| 4.1.2 LBP特征 | 第46-47页 |
| 4.1.3 灰度差值特征 | 第47-50页 |
| 4.1.3.1 人脸形状变换及初始化 | 第48-49页 |
| 4.1.3.2 建立局部坐标系 | 第49-50页 |
| 4.2 随机森林模型构造方法 | 第50-52页 |
| 4.2.1 随机森林 | 第50-51页 |
| 4.2.2 构建基于像素差值特征的随机森林 | 第51-52页 |
| 4.3 全局模型的优化 | 第52-55页 |
| 4.4 实验结果与分析 | 第55-58页 |
| 4.4.1 定位精度评价 | 第55-57页 |
| 4.4.2 定位速度评价 | 第57-58页 |
| 4.5 本章小结 | 第58-59页 |
| 5 总结与展望 | 第59-61页 |
| 5.1 总结 | 第59页 |
| 5.2 展望 | 第59-61页 |
| 致谢 | 第61-63页 |
| 参考文献 | 第63-67页 |
| 个人简历、在学期间发表的学术论文及取得的研究成果 | 第67页 |
