三维头部区域的跟踪与深度估计方法研究
| 摘要 | 第8-9页 |
| ABSTRACT | 第9-10页 |
| 缩略词表 | 第11-12页 |
| 第一章 绪论 | 第12-27页 |
| 1.1 课题背景及意义 | 第12-14页 |
| 1.2 国内外现状 | 第14-25页 |
| 1.2.1 头部检测跟踪的发展现状 | 第14-20页 |
| 1.2.2 人脸特征点深度估计的发展现状 | 第20-21页 |
| 1.2.3 Kinect相机与深度图像 | 第21-25页 |
| 1.3 主要研究内容 | 第25-26页 |
| 1.4 论文章节安排 | 第26-27页 |
| 第二章 基于深度图像的头部检测方法 | 第27-43页 |
| 2.1 头部区域检测系统设计 | 第27页 |
| 2.2 深度图像预处理 | 第27-28页 |
| 2.3 距离变换及其应用 | 第28-30页 |
| 2.4 基于模版匹配的头部区域检测 | 第30-37页 |
| 2.4.1 最优相关阈值 | 第32-34页 |
| 2.4.2 最优步长阈值 | 第34-37页 |
| 2.5 种子点筛选策略 | 第37-39页 |
| 2.6 区域生长算法 | 第39页 |
| 2.7 实验结果与分析 | 第39-42页 |
| 2.8 本章小结 | 第42-43页 |
| 第三章 基于深度图像的头部跟踪方法 | 第43-55页 |
| 3.1 头部跟踪系统设计 | 第43-44页 |
| 3.2 基于帧差法头部检测系统 | 第44-46页 |
| 3.3 基于Mean-Shift头部跟踪系统 | 第46-47页 |
| 3.4 云台控制系统 | 第47-48页 |
| 3.5 映射算法 | 第48-50页 |
| 3.6 实验结果与分析 | 第50-54页 |
| 3.7 本章小结 | 第54-55页 |
| 第四章 基于单幅正面人脸图片的深度估计 | 第55-62页 |
| 4.1 基于2D特征点的深度估计系统设计 | 第55-56页 |
| 4.2 2D人脸数据库建立及使用 | 第56-57页 |
| 4.3 2D特征点提取及三角划分 | 第57-59页 |
| 4.3.1 2D特征点提取方法 | 第57-58页 |
| 4.3.2 基于Delaunay的三角剖分方法 | 第58-59页 |
| 4.4 基于三角相似的头部深度估计方法 | 第59-60页 |
| 4.5 实验结果与分析 | 第60-61页 |
| 4.6 本章小结 | 第61-62页 |
| 第五章 总结与展望 | 第62-64页 |
| 5.1 总结 | 第62-63页 |
| 5.2 未解决的问题和以后工作展望 | 第63-64页 |
| 参考文献 | 第64-71页 |
| 致谢 | 第71-72页 |
| 攻读学位论文期间发表的学术论文目录 | 第72-73页 |
| 附件 | 第73页 |
