| 摘要 | 第1-6页 |
| Abstract | 第6-15页 |
| 插图 | 第15-21页 |
| 表格 | 第21-23页 |
| 算法 | 第23-25页 |
| 第1章 绪论 | 第25-45页 |
| ·课题研究背景 | 第25-27页 |
| ·问题提出 | 第25-26页 |
| ·研究意义 | 第26页 |
| ·主要挑战 | 第26-27页 |
| ·面部特征点定位问题综述 | 第27-42页 |
| ·面部特征的表示方法 | 第28页 |
| ·面部特征的纹理模型 | 第28-34页 |
| ·人脸形状的形状模型 | 第34-37页 |
| ·纹理模型和形状模型的关联 | 第37-40页 |
| ·人脸形状的求解方法 | 第40-41页 |
| ·本节小结 | 第41-42页 |
| ·本文主要研究内容 | 第42-45页 |
| ·主要贡献 | 第42-43页 |
| ·论文的组织结构 | 第43-45页 |
| 第2章 基于双向级联结构的面部特征检测和定位 | 第45-61页 |
| ·引言 | 第45-46页 |
| ·基于Haar 特征和AdaBoost 分类器的目标检测方法 | 第46-50页 |
| ·Haar 特征提取 | 第46-47页 |
| ·AdaBoost 分类器 | 第47-49页 |
| ·用于面部特征点定位 | 第49-50页 |
| ·双向级联结构分类器 | 第50-54页 |
| ·问题分析和基本思路 | 第50-51页 |
| ·分类器设计 | 第51-52页 |
| ·分类器训练过程 | 第52-53页 |
| ·分类器决策过程 | 第53-54页 |
| ·实验与分析 | 第54-59页 |
| ·实验数据库 | 第54页 |
| ·性能评价准则 | 第54-55页 |
| ·实验项目 | 第55-59页 |
| ·本章小结 | 第59-61页 |
| 第3章 增强主动形状模型 | 第61-76页 |
| ·引言 | 第61-63页 |
| ·ASM 的局部纹理模型 | 第61-62页 |
| ·ASM 的全局形状模型 | 第62-63页 |
| ·增强主动形状模型 | 第63-70页 |
| ·单个特征点的局部纹理模型 | 第65-66页 |
| ·整体特征点的全局形状模型 | 第66-68页 |
| ·存在缺失特征点的定位方法 | 第68-70页 |
| ·实验与分析 | 第70-75页 |
| ·实验数据库 | 第70-71页 |
| ·性能评价准则 | 第71-72页 |
| ·实验项目 | 第72-75页 |
| ·本章小结 | 第75-76页 |
| 第4章 基于贝叶斯后验概率推理的人脸形状提取 | 第76-94页 |
| ·引言 | 第76-79页 |
| ·基于贝叶斯推理的人脸形状提取方法 | 第79-87页 |
| ·贝叶斯推理和最大化后验概率 | 第80-81页 |
| ·全局形状的概率模型 | 第81-82页 |
| ·局部纹理的概率模型 | 第82页 |
| ·优化求解方法 | 第82-85页 |
| ·概率梯度指引 | 第85-87页 |
| ·实验与分析 | 第87-91页 |
| ·实验配置 | 第88页 |
| ·性能评价准则 | 第88-89页 |
| ·实验项目 | 第89-91页 |
| ·本章小结 | 第91-94页 |
| 第5章 基于人脸坐标回归的特征点定位方法 | 第94-114页 |
| ·引言 | 第94-96页 |
| ·人脸对齐的两种方式 | 第94页 |
| ·人脸对齐的两种层次 | 第94-96页 |
| ·基于人脸坐标回归的面部形状提取方法 | 第96-107页 |
| ·人脸坐标系的定义和表示 | 第96-99页 |
| ·系统框架 | 第99-100页 |
| ·人脸坐标回归 | 第100-103页 |
| ·优化和求解方法 | 第103-107页 |
| ·实验与分析 | 第107-111页 |
| ·实验配置 | 第107-108页 |
| ·性能评价准则 | 第108页 |
| ·实验项目 | 第108-111页 |
| ·本章小结 | 第111-114页 |
| 结论 | 第114-117页 |
| 参考文献 | 第117-126页 |
| 攻读博士学位期间发表的学术论文及其它成果 | 第126-128页 |
| 致谢 | 第128-131页 |
| 个人简历 | 第131页 |