| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第1章 绪论 | 第9-13页 |
| 1.1 课题背景 | 第9页 |
| 1.2 双目视觉国内外研究现状 | 第9-10页 |
| 1.3 头部姿态估计国内外研究现状 | 第10-11页 |
| 1.4 章节安排 | 第11-13页 |
| 第2章 双目相机的标定 | 第13-25页 |
| 2.1 摄像机模型 | 第13-18页 |
| 2.1.1 相关坐标系 | 第13-14页 |
| 2.1.2 摄像机成像模型 | 第14-16页 |
| 2.1.3 双目视觉测量模型 | 第16-18页 |
| 2.2 摄像机标定技术 | 第18-19页 |
| 2.3 双目视觉的对极几何 | 第19-20页 |
| 2.4 双目视觉的立体校正 | 第20-22页 |
| 2.5 实验结果 | 第22-24页 |
| 2.6 本章小结 | 第24-25页 |
| 第3章 立体匹配 | 第25-40页 |
| 3.1 匹配代价函数 | 第25-26页 |
| 3.2 立体匹配代价聚合 | 第26-30页 |
| 3.2.1 自适应权重聚合(AdaptiveWeight) | 第26-29页 |
| 3.2.2 快速双边滤波算法(FastBilateralStereo) | 第29-30页 |
| 3.3 改进的代价聚合策略 | 第30-39页 |
| 3.3.1 跨尺度代价聚合立体匹配 | 第31-34页 |
| 3.3.2 极线距离变换 | 第34-36页 |
| 3.3.3 基于极线距离变换的跨尺度代价聚合 | 第36-39页 |
| 3.4 本章小结 | 第39-40页 |
| 第4章 人脸区域检测 | 第40-51页 |
| 4.1 人脸检测方法 | 第40-42页 |
| 4.1.1 基于模板匹配的方法 | 第40-41页 |
| 4.1.2 基于肤色特征的方法 | 第41-42页 |
| 4.1.3 基于AdaBoost的方法 | 第42页 |
| 4.2 Adaboost算法 | 第42-45页 |
| 4.2.1 Haar-like特征 | 第42-43页 |
| 4.2.2 AdaBoost级联分类器的训练 | 第43-45页 |
| 4.2.3 人脸区域预处理 | 第45页 |
| 4.3 主动形状模型算法 | 第45-48页 |
| 4.3.1 ASM(ActiveShapeModel)算法过程 | 第45-47页 |
| 4.3.2 ASM的定位模型 | 第47-48页 |
| 4.4 人脸区域以及特征点检测实验 | 第48-50页 |
| 4.5 本章小结 | 第50-51页 |
| 第5章 头部姿态估计 | 第51-71页 |
| 5.1 基于刚体模型的头部运动 | 第51-55页 |
| 5.2 传统迭代最近点算法 | 第55-57页 |
| 5.3 改进迭代最近点方法 | 第57-59页 |
| 5.3.1 初值估计 | 第57-59页 |
| 5.3.2 匹配点赋值权重 | 第59页 |
| 5.4 人头姿态估计实验 | 第59-70页 |
| 5.4.1 模板校正实验数据 | 第60-61页 |
| 5.4.2 初值估计实验数据 | 第61-62页 |
| 5.4.3 改进的迭代最近点算法的实验数据 | 第62-64页 |
| 5.4.4 误差分析 | 第64-70页 |
| 5.5 本章小结 | 第70-71页 |
| 第6章 结论 | 第71-72页 |
| 参考文献 | 第72-76页 |
| 在学研究成果 | 第76-77页 |
| 致谢 | 第77页 |
