| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第10-16页 |
| 1.1 课题研究背景及意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-13页 |
| 1.2.1 人脸特征点检测算法 | 第11-12页 |
| 1.2.2 眼睛定位算法 | 第12-13页 |
| 1.3 多姿态人脸特征点检测算法技术难点 | 第13-14页 |
| 1.4 本文研究内容和关键技术 | 第14-15页 |
| 1.5 本文组织结构 | 第15-16页 |
| 第二章 多姿态人脸特征点检测算法及眼睛定位应用概述 | 第16-29页 |
| 2.1 系统框架概述 | 第16-17页 |
| 2.2 人脸特征点初始化概述 | 第17-18页 |
| 2.3 人脸特征点检测算法概述 | 第18-27页 |
| 2.3.1 特征提取 | 第19-22页 |
| 2.3.2 映射模型的建立 | 第22-27页 |
| 2.4 人脸特征点检测在眼睛定位上的应用 | 第27-28页 |
| 2.5 本章小结 | 第28-29页 |
| 第三章 基于人脸朝向分类的多姿态人脸特征点初始化 | 第29-43页 |
| 3.1 本文人脸特征点初始化算法概述 | 第29-30页 |
| 3.2 人脸姿态变化分析 | 第30-31页 |
| 3.3 随机森林决策树的构建 | 第31-34页 |
| 3.4 人脸朝向分类特征的选择和提取 | 第34-40页 |
| 3.4.1 Gabor特征 | 第35-38页 |
| 3.4.2 HOG特征 | 第38-40页 |
| 3.5 特征点初始化策略选择 | 第40-42页 |
| 3.6 本章小结 | 第42-43页 |
| 第四章 基于类内区域均值特征的人脸特征点检测算法 | 第43-55页 |
| 4.1 本文人脸特征点检测算法框架 | 第43-44页 |
| 4.2 基于分类随机蕨的级联回归模型的构建 | 第44-48页 |
| 4.2.1 两层级联回归模型 | 第44-46页 |
| 4.2.2 基于随机蕨的弱回归器构建 | 第46-48页 |
| 4.3 基于类内区域均值的姿势索引特征 | 第48-54页 |
| 4.3.1 类内区域均值特征 | 第48-50页 |
| 4.3.2 类内区域均值特征提取 | 第50-54页 |
| 4.4 本章小结 | 第54-55页 |
| 第五章 多姿态人脸特征点检测与眼睛定位应用实验分析 | 第55-70页 |
| 5.1 实验环境与数据库 | 第55-57页 |
| 5.1.1 系统硬件配置及开发环境 | 第55页 |
| 5.1.2 实验主要数据库 | 第55-57页 |
| 5.2 多姿态人脸特征点检测实验结果分析 | 第57-65页 |
| 5.2.1 人脸特征点初始化实验结果分析 | 第58-62页 |
| 5.2.2 类内区域均值特征实验结果分析 | 第62-65页 |
| 5.3 眼睛定位应用及实验结果分析 | 第65-69页 |
| 5.3.1 眼睛定位应用 | 第65-66页 |
| 5.3.2 眼睛定位实验结果分析 | 第66-69页 |
| 5.4 本章小结 | 第69-70页 |
| 结论与展望 | 第70-72页 |
| 参考文献 | 第72-76页 |
| 攻读硕士学位期间取得的研究成果 | 第76-77页 |
| 致谢 | 第77-78页 |
| 附件 | 第78页 |