| 摘要 | 第3-5页 |
| Abstract | 第5-6页 |
| 第一章 绪论 | 第9-15页 |
| 1.1 论文研究背景及意义 | 第9-10页 |
| 1.2 特征点定位比较成熟的技术 | 第10-14页 |
| 1.2.1 基于灰度信息的方法 | 第10-11页 |
| 1.2.2 基于几何形状的方法 | 第11-12页 |
| 1.2.3 基于先验规则的方法 | 第12-13页 |
| 1.2.4 基于统计模型的方法 | 第13页 |
| 1.2.5 基于小波的方法 | 第13-14页 |
| 1.3 本文工作及章节安排 | 第14-15页 |
| 第二章 人脸特征器官的定位 | 第15-24页 |
| 2.1 引言 | 第15页 |
| 2.2 眼睛位置的定位 | 第15-19页 |
| 2.2.1 霍夫变换法 | 第15-16页 |
| 2.2.2 边缘特征分析法 | 第16-18页 |
| 2.2.3 ASEF算法介绍 | 第18-19页 |
| 2.3 鼻子位置的定位 | 第19-22页 |
| 2.3.1 积分投影曲线 | 第20页 |
| 2.3.2 子类判别分析法 | 第20-22页 |
| 2.4 嘴巴位置的定位 | 第22-24页 |
| 2.4.1 基于唇色的嘴巴定位 | 第22-23页 |
| 2.4.2 基于轮廓的嘴巴定位 | 第23-24页 |
| 第三章 人脸特征点定位算法 | 第24-39页 |
| 3.1 引言 | 第24页 |
| 3.2 主成分分析法 | 第24-28页 |
| 3.2.1 PCA原理 | 第25-26页 |
| 3.2.2 求取主成分 | 第26-27页 |
| 3.2.3 PCA主成分分析 | 第27-28页 |
| 3.3 基于图结构模型的人脸特征点定位 | 第28-31页 |
| 3.3.1 图结构模型 | 第28-29页 |
| 3.3.2 最大后验概率估计 | 第29-30页 |
| 3.3.3 最大似然估计 | 第30-31页 |
| 3.4 基于ASM的人脸特征点定位 | 第31-39页 |
| 3.4.1 ASM的训练 | 第31-36页 |
| 3.4.2 ASM的搜索 | 第36-39页 |
| 第四章 结合ASEF和Pictorial Structures模型的面部特征点定位 | 第39-50页 |
| 4.1 引言 | 第39页 |
| 4.2 ASEF算法的扩展及优化 | 第39-42页 |
| 4.2.1 σ值对ASEF的影响 | 第39-40页 |
| 4.2.2 不同σ值下滤波器的加权组合 | 第40-41页 |
| 4.2.3 结合模拟退火技术的ASEF算法 | 第41-42页 |
| 4.3 结合ASEF和Pictorial Structures模型的面部特征点定位算法 | 第42-44页 |
| 4.4 实验结果分析和比较 | 第44-50页 |
| 4.4.1 The BioID人脸库介绍 | 第44-45页 |
| 4.4.2 实验结果 | 第45-50页 |
| 第五章 总结和展望 | 第50-52页 |
| 5.1 总结 | 第50-51页 |
| 5.2 展望 | 第51-52页 |
| 参考文献 | 第52-56页 |
| 致谢 | 第56-57页 |
| 硕士期间发表的论文和参加的科研项目 | 第57页 |