| 摘要 | 第3-4页 |
| Abstract | 第4页 |
| 第1章 绪论 | 第8-12页 |
| 1.1 研究背景和意义 | 第8-12页 |
| 1.1.1 研究背景 | 第8页 |
| 1.1.2 研究意义 | 第8-10页 |
| 1.1.3 本文结构安排 | 第10-12页 |
| 第2章 国内外研究现状 | 第12-23页 |
| 2.1 人脸年龄特征提取 | 第12-16页 |
| 2.1.1 人体测量学模型 | 第12-13页 |
| 2.1.2 柔性模型 | 第13页 |
| 2.1.3 特征子空间模型 | 第13-14页 |
| 2.1.4 流形学习模型 | 第14页 |
| 2.1.5 外观模型 | 第14-16页 |
| 2.2 人脸年龄的估计方法 | 第16-18页 |
| 2.2.1 单一年龄估计模式 | 第16-17页 |
| 2.2.2 混合年龄估计模式 | 第17-18页 |
| 2.3 年龄数据库及性能评价指标 | 第18-21页 |
| 2.3.1 常用年龄数据库 | 第18-20页 |
| 2.3.2 年龄估计性能评价指标 | 第20-21页 |
| 2.4 本章小节 | 第21-23页 |
| 第3章 基于TFIDF和密度顶点的动态区间和多个待选年龄的估计方法 | 第23-41页 |
| 3.1 TFIDF技术与AAM人脸模型 | 第23-31页 |
| 3.1.1 TFIDF技术介绍 | 第23页 |
| 3.1.2 AAM模型概述与发展 | 第23-24页 |
| 3.1.3 AAM模型的建立 | 第24-29页 |
| 3.1.4 用TF-IDF技术来处理AAM特征来估计人脸年龄 | 第29-31页 |
| 3.2 Density Peak聚类方法和人脸的LBP特征 | 第31-35页 |
| 3.2.1 人脸的LBP特征及提取算子 | 第31-33页 |
| 3.2.2 用Density Peak算法处理LBP特征来估计人脸年龄 | 第33-35页 |
| 3.3 性能评估标准 | 第35-37页 |
| 3.3.1 置信区间/置信度（CI/CL）评价指标 | 第35-36页 |
| 3.3.2 BPMAE和NBPMAE评价指标 | 第36-37页 |
| 3.4 两种方法的融合模式 | 第37-39页 |
| 3.4.1 用统计的方法来整合TFIDF和最大密度聚类方法的结果 | 第37-38页 |
| 3.4.2 通过概率的方法融合两种估计年龄方法的结果 | 第38-39页 |
| 3.5 本章小结 | 第39-41页 |
| 第4章 实验 | 第41-61页 |
| 4.1 人脸数据预处理 | 第41-44页 |
| 4.1.1 人脸图像的裁剪 | 第41-42页 |
| 4.1.2 人脸图像的尺度归一化 | 第42-43页 |
| 4.1.3 人脸图像的灰度均衡化 | 第43-44页 |
| 4.2 实验概述 | 第44-45页 |
| 4.3 用TF-IDF技术处理AAM特征来估计人脸年龄 | 第45-48页 |
| 4.4 用最大密度聚类算法处理LBP特征估计人脸年龄 | 第48-51页 |
| 4.4.1 提取LBP特征 | 第48页 |
| 4.4.2 用最大密度聚类算法作年龄估计 | 第48-50页 |
| 4.4.3 找到密度最大点 | 第50-51页 |
| 4.5 用统计的融合方式来做区间估计 | 第51-58页 |
| 4.5.1 用方法A,B来做区间估计 | 第51-52页 |
| 4.5.2 用正态分布的方法来做区间估计 | 第52-54页 |
| 4.5.3 取样大小讨论 | 第54-55页 |
| 4.5.4 用正常组做区间估计 | 第55-56页 |
| 4.5.5 跟前人的实验结果进行对比 | 第56-57页 |
| 4.5.6 讨论错误估计的概率 | 第57-58页 |
| 4.6 通过概率的方法融合两种年龄估计方法的结果 | 第58-59页 |
| 4.7 本章小节 | 第59-61页 |
| 第5章 总结与展望 | 第61-63页 |
| 5.1 总结 | 第61-62页 |
| 5.2 展望 | 第62-63页 |
| 参考文献 | 第63-67页 |
| 致谢 | 第67-69页 |
| 个人简历 | 第69页 |
| 研究成果 | 第69页 |
