基于表观和头部姿态的视线估计系统设计与实现
| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 第1章 绪论 | 第9-18页 |
| 1.1 课题研究背景与意义 | 第9-11页 |
| 1.1.1 课题研究背景 | 第9-10页 |
| 1.1.2 课题研究目的意义 | 第10-11页 |
| 1.2 视线追踪国内外研究现状 | 第11-15页 |
| 1.2.1 基于模型的视线估计技术 | 第12-14页 |
| 1.2.2 基于表观的视线估计 | 第14-15页 |
| 1.2.3 其他研究方法 | 第15页 |
| 1.3 主要研究内容与组织结构 | 第15-18页 |
| 1.3.1 主要研究内容 | 第15-16页 |
| 1.3.2 组织结构 | 第16-18页 |
| 第2章 基于表观的视线估计 | 第18-25页 |
| 2.1 引言 | 第18页 |
| 2.2 固定头部姿态的视线估计 | 第18页 |
| 2.3 头部自由移动的视线估计 | 第18-19页 |
| 2.4 模型训练 | 第19-24页 |
| 2.4.1 人工神经网络 | 第19-20页 |
| 2.4.2 卷积神经网络 | 第20-24页 |
| 2.5 本章小结 | 第24-25页 |
| 第3章 基于头部姿态的视线估计 | 第25-45页 |
| 3.1 引言 | 第25页 |
| 3.2 系统校准 | 第25-31页 |
| 3.2.1 摄像机校准 | 第25-28页 |
| 3.2.2 摄像机姿态估计 | 第28-31页 |
| 3.3 Viola-Jones人脸检测 | 第31-35页 |
| 3.3.1 特征选择 | 第32-33页 |
| 3.3.2 Adaboost学习算法 | 第33页 |
| 3.3.3 级联分类器 | 第33-35页 |
| 3.4 人脸特征点检测 | 第35-37页 |
| 3.5 头部姿态估计 | 第37-43页 |
| 3.5.1 引言 | 第37-40页 |
| 3.5.2 3D特征到2D空间的映射 | 第40-41页 |
| 3.5.3 通过调整深度参数变形3D模型 | 第41-42页 |
| 3.5.4 头部姿态角度估计 | 第42-43页 |
| 3.6 瞳孔中心定位 | 第43-44页 |
| 3.7 本章小结 | 第44-45页 |
| 第4章 视线估计实验与结果分析 | 第45-55页 |
| 4.1 引言 | 第45页 |
| 4.2 数据采集阶段 | 第45-51页 |
| 4.2.1 实验开发环境和系统校准 | 第46-48页 |
| 4.2.2 人脸检测 | 第48页 |
| 4.2.3 瞳孔中心检测 | 第48-49页 |
| 4.2.4 人脸特征点检测 | 第49-50页 |
| 4.2.5 头部姿态估计 | 第50-51页 |
| 4.3 模型训练和测试 | 第51-53页 |
| 4.4 本章小结 | 第53-55页 |
| 结论 | 第55-56页 |
| 参考文献 | 第56-62页 |
| 致谢 | 第62页 |
