| 摘要 | 第4-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第14-32页 |
| 1.1 课题研究背景及意义 | 第14-15页 |
| 1.2 国内外研究现状及分析 | 第15-22页 |
| 1.2.1 人脸特征点定位算法的研究现状 | 第15-20页 |
| 1.2.2 人脸特征点跟踪方法的研究现状 | 第20-22页 |
| 1.3 标注人脸特征点的数据集和评价标准 | 第22-30页 |
| 1.3.1 静态人脸特征点数据集 | 第22-27页 |
| 1.3.2 动态人脸特征点数据集 | 第27-29页 |
| 1.3.3 人脸特征点跟踪算法评价标准 | 第29-30页 |
| 1.4 论文主要研究内容及章节安排 | 第30-32页 |
| 第二章 人脸检测算法 | 第32-44页 |
| 2.1 引言 | 第32页 |
| 2.2 Viola-Jones人脸检测 | 第32-38页 |
| 2.2.1 积分图像 | 第33-34页 |
| 2.2.2 特征 | 第34-36页 |
| 2.2.3 Ada Boost学习 | 第36-37页 |
| 2.2.4 级联结构 | 第37-38页 |
| 2.3 归一化像素差人脸检测 | 第38-41页 |
| 2.3.1 归一化像素差特征 | 第38-39页 |
| 2.3.2 深度二次树 | 第39-41页 |
| 2.3.3 NPD人脸检测 | 第41页 |
| 2.4 实验：人脸检测对比 | 第41-42页 |
| 2.5 本章小结 | 第42-44页 |
| 第三章 跟踪算法 | 第44-49页 |
| 3.1 引言 | 第44页 |
| 3.2 光流法 | 第44-46页 |
| 3.2.1 光流法约束方程 | 第44-45页 |
| 3.2.2 金字塔Lucas-Kanade光流法 | 第45-46页 |
| 3.3 中值流法 | 第46-47页 |
| 3.4 跟踪失败检测 | 第47-48页 |
| 3.5 本章小结 | 第48-49页 |
| 第四章 人脸特征点定位方法 | 第49-54页 |
| 4.1 引言 | 第49页 |
| 4.2 基于深度学习的人脸特征点定位方法 | 第49-52页 |
| 4.2.1 全局SAN | 第50-51页 |
| 4.2.2 局部SANs | 第51-52页 |
| 4.3 实现细节 | 第52-53页 |
| 4.3.1 参数设置 | 第53页 |
| 4.3.2 训练数据集 | 第53页 |
| 4.3.3 数据增强 | 第53页 |
| 4.4 本章小结 | 第53-54页 |
| 第五章 人脸特征点跟踪系统结构 | 第54-66页 |
| 5.1 引言 | 第54页 |
| 5.2 人脸特征点跟踪系统 | 第54-56页 |
| 5.2.1 人脸特征点跟踪系统框架 | 第54-56页 |
| 5.2.2 自适应跟踪校验 | 第56页 |
| 5.3 实验分析 | 第56-65页 |
| 5.3.1 实验数据 | 第56-57页 |
| 5.3.2 实验一：自适应跟踪校验对系统准确性的影响 | 第57-59页 |
| 5.3.3 实验二：相同框架下不同特征点定位方法比较 | 第59-61页 |
| 5.3.4 实验三：对比综合人脸分析工具Open Face | 第61-63页 |
| 5.3.5 实验四：基于NPD的人脸特征点跟踪系统 | 第63-65页 |
| 5.4 本章小结 | 第65-66页 |
| 总结与展望 | 第66-68页 |
| 参考文献 | 第68-80页 |
| 攻读学位期间发表的论文与取得的成果 | 第80-82页 |
| 致谢 | 第82页 |
