| 摘要 | 第3-4页 |
| ABSTRACT | 第4-5页 |
| 1 绪论 | 第8-14页 |
| 1.1 研究背景与意义 | 第8-9页 |
| 1.2 国内外研究进展 | 第9-11页 |
| 1.3 本文的研究内容和安排 | 第11-14页 |
| 2 基于局部限制模型的面部特征点检测方法 | 第14-30页 |
| 2.1 统计形状模型的构建 | 第15-21页 |
| 2.1.1 人脸统计模型的数学表示 | 第16页 |
| 2.1.2 Procrustes分析 | 第16-19页 |
| 2.1.3 PCA处理 | 第19-21页 |
| 2.2 局部模型的构建 | 第21-26页 |
| 2.2.1 支持向量机 | 第21-25页 |
| 2.2.2 基于线性支持向量机的局部检测器 | 第25-26页 |
| 2.3 基于局部限制模型定位方法的搜索方法 | 第26-28页 |
| 2.3.1 CLM的搜索方法 | 第26页 |
| 2.3.2 CLM搜索方法的数学描述 | 第26-28页 |
| 2.4 本章小结 | 第28-30页 |
| 3 静态图像中表情变化鲁棒的面部特征点定位方法 | 第30-50页 |
| 3.1 CLM与多特征和多核学习相结合的特征点定位方法 | 第30-31页 |
| 3.2 基于多特征和多核学习局部检测器的构造 | 第31-44页 |
| 3.2.1 局部二值模式特征 | 第31-33页 |
| 3.2.2 方向梯度直方图特征 | 第33-36页 |
| 3.2.3 Haar特征 | 第36-37页 |
| 3.2.4 特征融合 | 第37-38页 |
| 3.2.5 多核学习支持向量机 | 第38-41页 |
| 3.2.6 多核学习SVM流程 | 第41-44页 |
| 3.2.7 模型的训练 | 第44页 |
| 3.3 实验结果和分析 | 第44-49页 |
| 3.4 本章小结 | 第49-50页 |
| 4 视频图像中的面部特征点跟踪方法 | 第50-64页 |
| 4.1 基于时空上下文的跟踪方法 | 第50-54页 |
| 4.1.1 时空上下文跟踪算法原理 | 第50-51页 |
| 4.1.2 建立空间上下文模型 | 第51-52页 |
| 4.1.3 上下文先验概率模型的建立 | 第52页 |
| 4.1.4 求解置信图 | 第52-53页 |
| 4.1.5 空间上下文模型求解 | 第53-54页 |
| 4.2 时空上下文算法的跟踪过程 | 第54-57页 |
| 4.2.1 更新时空上下文模型 | 第55-56页 |
| 4.2.2 更新尺度参数 | 第56-57页 |
| 4.3 基于改进的STC目标跟踪方法 | 第57-59页 |
| 4.3.1 相似性判决函数 | 第57页 |
| 4.3.2 二维高斯正态分布 | 第57-58页 |
| 4.3.3 基于改进的STC目标跟踪方法的跟踪流程 | 第58-59页 |
| 4.4 实验结果和分析 | 第59-61页 |
| 4.5 本章小结 | 第61-64页 |
| 5 总结与展望 | 第64-66页 |
| 5.1 总结 | 第64-65页 |
| 5.2 展望 | 第65-66页 |
| 6 致谢 | 第66-68页 |
| 7 参考文献 | 第68-71页 |