首页--工业技术论文--自动化技术、计算机技术论文--计算技术、计算机技术论文--计算机的应用论文--信息处理(信息加工)论文--模式识别与装置论文

面部动态增强现实的特征点检测方法研究

摘要第5-7页
abstract第7-9页
第一章 绪论第12-31页
    1.1 引言第12-13页
    1.2 研究内容及问题描述第13-16页
    1.3 研究现状综述第16-27页
        1.3.1 增强现实研究现状第17-22页
        1.3.2 人脸特征点检测研究现状第22-27页
    1.4 本文的主要贡献第27-29页
    1.5 本文的组织结构第29-31页
第二章 基于稀疏约束的人脸特征点检测方法第31-47页
    2.1 引言第31-32页
    2.2 基于稀疏约束的形状索引特征第32-34页
    2.3 形状索引特征的稀疏系数第34-36页
    2.4 稀疏特征字典的学习第36-38页
    2.5 局部特征约束的检测模型第38-41页
    2.6 检测模型的参数学习第41-42页
    2.7 实验第42-46页
        2.7.1 实验配置第42-43页
        2.7.2 实验结果分析第43-46页
    2.8 小结第46-47页
第三章 基于递归形状重构的人脸特征点检测方法第47-66页
    3.1 引言第47-48页
    3.2 形状增量估计方法第48-49页
    3.3 递归形状重构的检测模型第49-52页
    3.4 检测模型的参数学习第52-56页
    3.5 实验第56-65页
        3.5.1 实验配置第56-57页
        3.5.2 实验结果分析第57-65页
    3.6 小结第65-66页
第四章 面向模型压缩的人脸特征点增强方法第66-79页
    4.1 引言第66-67页
    4.2 局部区域的人脸形状检测第67-68页
    4.3 局部区域人脸形状的增强第68-71页
        4.3.1 带约束的全局形状重构第69-70页
        4.3.2 简单的全局形状重构第70-71页
    4.4 重构模型的参数学习第71-72页
    4.5 实验第72-78页
        4.5.1 实验配置第72页
        4.5.2 实验结果分析第72-78页
    4.6 小结第78-79页
第五章 基于面部动态的“川剧变脸”第79-95页
    5.1 引言第79页
    5.2 基于面部动态的增强现实系统框架第79-82页
    5.3 面部动态增强现实系统的核心技术第82-90页
        5.3.1 人脸检测第83-85页
        5.3.2 人脸姿态计算第85-87页
        5.3.3 复杂面部姿态下的人脸特征点检测第87-90页
    5.4 面部动态的数字化“川剧变脸”第90-93页
    5.5 总结第93-95页
第六章 总结与展望第95-98页
    6.1 全文总结第95-96页
    6.2 后续工作展望第96-98页
致谢第98-99页
参考文献第99-111页
攻读博士学位期间取得的成果第111-112页

论文共112页,点击 下载论文
上一篇:银纳米粒子电学效应及其在有机光探测器件中的应用研究
下一篇:基于确定学习的人体生物信号建模识别及其应用研究