基于计算机视觉的头部姿态跟踪技术研究与应用
| 摘要 | 第3-4页 |
| Abstract | 第4-5页 |
| 第一章 绪论 | 第9-16页 |
| 1.1 研究背景与意义 | 第9-10页 |
| 1.2 国内外相关技术研究现状与发展趋势 | 第10-14页 |
| 1.2.1 人脸检测的研究现状 | 第10-11页 |
| 1.2.2 人脸特征点定位研究现状 | 第11页 |
| 1.2.3 头部姿态研究现状 | 第11-13页 |
| 1.2.4 基于计算机视觉的头部姿态估计发展趋势 | 第13-14页 |
| 1.3 论文主要内容 | 第14-15页 |
| 1.4 文章的结构安排与章节信息 | 第15-16页 |
| 第二章 相关工作研究 | 第16-22页 |
| 2.1 相关工作理论支撑 | 第16-17页 |
| 2.1.1 计算机视觉 | 第16页 |
| 2.1.2 图像预处理 | 第16-17页 |
| 2.2 成像投影模型 | 第17-20页 |
| 2.2.1 头部姿态变化情况 | 第17页 |
| 2.2.2 成像原理 | 第17-18页 |
| 2.2.3 成像过程 | 第18页 |
| 2.2.4 透视投影 | 第18-20页 |
| 2.3 头部姿态存在的难点 | 第20-21页 |
| 2.4 本章小结 | 第21-22页 |
| 第三章 人脸及特征点检测 | 第22-40页 |
| 3.1 人脸检测主流方法 | 第22-26页 |
| 3.2 人脸特征点检测主流方法 | 第26-27页 |
| 3.3 人脸图像预处理 | 第27-31页 |
| 3.3.1 图像灰度化 | 第28页 |
| 3.3.2 图像增强 | 第28-29页 |
| 3.3.3 图像二值化 | 第29-31页 |
| 3.4 人脸特征检测 | 第31-39页 |
| 3.4.1 YCbCr颜色空间及肤色模型 | 第31-32页 |
| 3.4.2 肤色分割及人脸区域提取 | 第32-33页 |
| 3.4.3 人脸特征区域检测 | 第33-34页 |
| 3.4.4 数学形态学处理 | 第34-35页 |
| 3.4.5 人脸特征精准定位 | 第35-37页 |
| 3.4.6 实验验证与分析 | 第37-39页 |
| 3.5 本章小结 | 第39-40页 |
| 第四章 基于优化人脸对齐算法的头部姿态估计 | 第40-55页 |
| 4.1 人脸对齐方法概述 | 第40-41页 |
| 4.2 人脸对齐算法描述 | 第41-47页 |
| 4.2.1 基于SDM模型的人脸对齐算法 | 第41-44页 |
| 4.2.2 算法优化 | 第44页 |
| 4.2.3 算法实现 | 第44-47页 |
| 4.2.4 算法分析 | 第47页 |
| 4.3 基于优化人脸对齐算法的头部姿态估计 | 第47-51页 |
| 4.3.1 头部姿态估计原理 | 第47-49页 |
| 4.3.2 头部姿态估计 | 第49-51页 |
| 4.4 实验结果与分析 | 第51-54页 |
| 4.4.1 实验数据 | 第51-52页 |
| 4.4.2 实验方法 | 第52页 |
| 4.4.3 实验结果及分析 | 第52-54页 |
| 4.5 本章小结 | 第54-55页 |
| 第五章 头部姿态在安全驾驶方面的应用 | 第55-67页 |
| 5.1 汽车安全驾驶的研究现状 | 第55页 |
| 5.2 基于头部姿态的汽车安全驾驶检测 | 第55-57页 |
| 5.2.1 疲劳驾驶检测 | 第56-57页 |
| 5.2.2 对驾驶员精神集中程度检测 | 第57页 |
| 5.3 模拟实验 | 第57-66页 |
| 5.3.1 头部姿态估算实验 | 第59-61页 |
| 5.3.2 实验验证设计 | 第61-63页 |
| 5.3.3 驾驶员驾驶状态检测 | 第63-66页 |
| 5.4 本章小结 | 第66-67页 |
| 第六章 总结与展望 | 第67-69页 |
| 6.1 总结 | 第67-68页 |
| 6.2 展望 | 第68-69页 |
| 参考文献 | 第69-73页 |
| 在学期间的研究成果 | 第73-74页 |
| 致谢 | 第74页 |
