人脸特征点定位算法研究及其应用
| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第13-23页 |
| 1.1 研究背景与意义 | 第13-16页 |
| 1.2 人脸特征点定位国内外研究现状 | 第16-21页 |
| 1.2.1 基于先验规则的方法 | 第17-18页 |
| 1.2.2 基于色彩信息的方法 | 第18页 |
| 1.2.3 基于关联信息的方法 | 第18-19页 |
| 1.2.4 基于外观信息的方法 | 第19-20页 |
| 1.2.5 基于几何形状的方法 | 第20-21页 |
| 1.3 本文研究的主要内容 | 第21-22页 |
| 1.4 本文结构 | 第22-23页 |
| 第2章 预备知识 | 第23-34页 |
| 2.1 人脸图像预处理技术 | 第23-24页 |
| 2.1.1 人脸图像增强 | 第23页 |
| 2.1.2 人脸图像二值化 | 第23-24页 |
| 2.2 主成分分析(PCA) | 第24-26页 |
| 2.2.1 PCA原理 | 第24-25页 |
| 2.2.2 导出主成分 | 第25-26页 |
| 2.2.3 PCA分析 | 第26页 |
| 2.3 普鲁克分析 | 第26-29页 |
| 2.3.1 普鲁克分析概念 | 第26-27页 |
| 2.3.2 普鲁克距离及其应用 | 第27-28页 |
| 2.3.3 广义普鲁克分析(GPA) | 第28-29页 |
| 2.4 支持向量机(SVM) | 第29-33页 |
| 2.4.1 SVM概念 | 第29-30页 |
| 2.4.2 SVM的实现方法 | 第30-31页 |
| 2.4.3 SVM核函数 | 第31-33页 |
| 2.5 小结 | 第33-34页 |
| 第3章 基于随机森林的人脸特征点定位 | 第34-46页 |
| 3.1 引言 | 第34页 |
| 3.2 传统的人脸特征点定位 | 第34-35页 |
| 3.2.1 显式回归算法 | 第34-35页 |
| 3.2.2 外形搜索算法 | 第35页 |
| 3.3 改进方案的提出 | 第35-36页 |
| 3.4 随机森林 | 第36-38页 |
| 3.4.1 简介 | 第36-37页 |
| 3.4.2 决策树 | 第37-38页 |
| 3.5 基于改进的人脸特征点定位 | 第38-45页 |
| 3.5.1 算法框架 | 第38-40页 |
| 3.5.2 构建随机森林分类器 | 第40-42页 |
| 3.5.3 外形搜索 | 第42-45页 |
| 3.6 小结 | 第45-46页 |
| 第4章 随机森林特征点定位的应用 | 第46-54页 |
| 4.1 引言 | 第46页 |
| 4.2 实验数据集 | 第46-47页 |
| 4.3 实验环境与参数 | 第47-48页 |
| 4.3.1 主要硬件配置 | 第47页 |
| 4.3.2 程序运行环境 | 第47页 |
| 4.3.3 实验参数设置 | 第47-48页 |
| 4.4 实验分析 | 第48-53页 |
| 4.4.1 算法的评价标准 | 第48-49页 |
| 4.4.2 定位时间分析 | 第49-50页 |
| 4.4.3 定位精度分析 | 第50-53页 |
| 4.5 小结 | 第53-54页 |
| 第5章 复合特征在特征点定位中的应用 | 第54-60页 |
| 5.1 引言 | 第54页 |
| 5.2 特征点介绍 | 第54-55页 |
| 5.3 复合特征 | 第55-57页 |
| 5.3.1 特征点分析 | 第55-56页 |
| 5.3.2 SIFT算法 | 第56-57页 |
| 5.3.3 BRIEF算法 | 第57页 |
| 5.3.4 复合特征与特征点定位的结合 | 第57页 |
| 5.4 实验分析 | 第57-59页 |
| 5.4.1 定位时间分析 | 第57-58页 |
| 5.4.2 定位精度分析 | 第58-59页 |
| 5.5 复杂度分析 | 第59页 |
| 5.6 小结 | 第59-60页 |
| 结论 | 第60-62页 |
| 参考文献 | 第62-66页 |
| 附录A 攻读硕士学位期间发表的论文和参加的项目 | 第66-67页 |
| 致谢 | 第67页 |
