| 摘要 | 第3-4页 |
| Abstract | 第4-5页 |
| 1 绪论 | 第8-14页 |
| 1.1 研究背景及意义 | 第8-9页 |
| 1.2 国内外研究现状 | 第9-13页 |
| 1.2.1 图像预处理 | 第10-11页 |
| 1.2.2 人脸检测 | 第11页 |
| 1.2.3 人脸特征点定位 | 第11-12页 |
| 1.2.4 特征提取 | 第12-13页 |
| 1.3 论文研究内容及安排 | 第13-14页 |
| 2 基于主动形状模型的人脸对齐方法 | 第14-30页 |
| 2.1 经典ASM算法 | 第14-22页 |
| 2.1.1 ASM训练 | 第14-16页 |
| 2.1.2 主动形状模型的建立 | 第16-17页 |
| 2.1.3 局部灰度模型的建立 | 第17-19页 |
| 2.1.4 匹配搜索 | 第19-20页 |
| 2.1.5 多分辨率框架 | 第20-22页 |
| 2.2 ASM算法的不足与改进 | 第22-28页 |
| 2.2.1 ASM的不足 | 第22-23页 |
| 2.2.2 基于LBP的改进的ASM算法 | 第23-27页 |
| 2.2.3 实验结果与分析 | 第27-28页 |
| 2.3 本章小结 | 第28-30页 |
| 3 基于回归的人脸对齐方法 | 第30-44页 |
| 3.1 基于线性回归的人脸对齐方法 | 第30-37页 |
| 3.1.1 线性回归模型 | 第30-32页 |
| 3.1.2 基于线性回归的面部特征点定位 | 第32-36页 |
| 3.1.3 实验结果与分析 | 第36-37页 |
| 3.2 基于非线性回归的人脸对齐方法 | 第37-41页 |
| 3.2.1 Boosting算法 | 第37-39页 |
| 3.2.2 基于显式形状回归的人脸对齐方法 | 第39-41页 |
| 3.3 实验结果与分析 | 第41-43页 |
| 3.4 本章小结 | 第43-44页 |
| 4 基于图像分解和特征融合的人脸特征提取方法 | 第44-57页 |
| 4.1 局部图像分解 | 第44-46页 |
| 4.2 特征提取 | 第46-53页 |
| 4.2.1 SIFT特征提取方法 | 第47-51页 |
| 4.2.2 Fisher线性鉴别分析(FLDA) | 第51-53页 |
| 4.3 特征融合 | 第53-54页 |
| 4.4 实验结果与分析 | 第54-56页 |
| 4.4.1 在AR库上实验结果与分析 | 第54-55页 |
| 4.4.2 在Extended YaleB库上实验结果与分析 | 第55页 |
| 4.4.3 在PIE库上实验结果与分析 | 第55-56页 |
| 4.5 本章小结 | 第56-57页 |
| 5 总结与展望 | 第57-58页 |
| 致谢 | 第58-59页 |
| 参考文献 | 第59-64页 |
| 附录 | 第64页 |