| 摘要 | 第4-6页 |
| Abstract | 第6-7页 |
| 目录 | 第8-10页 |
| 1 绪论 | 第10-28页 |
| 1.1 头部姿态估计与年龄估计的研究背景及意义 | 第10-14页 |
| 1.2 头部姿态估计和年龄估计的研究现状 | 第14-20页 |
| 1.3 人脸图像库 | 第20-25页 |
| 1.4 论文的内容安排及主要创新 | 第25-28页 |
| 2 人脸图像的李代数高斯特征表示方法 | 第28-40页 |
| 2.1 相关背景 | 第28-30页 |
| 2.2 人脸图像块的底层特征提取 | 第30-33页 |
| 2.3 高斯混合模型(GMM) | 第33-34页 |
| 2.4 基于UBM的GMM | 第34-36页 |
| 2.5 李代数高斯特征 | 第36-39页 |
| 2.6 本章小结 | 第39-40页 |
| 3 多尺度信息融合的头部姿态估计 | 第40-56页 |
| 3.1 多尺度人脸图像信息 | 第40-43页 |
| 3.2 基于主成份分析和最近质心分类器的头部姿态估计方法 | 第43-45页 |
| 3.3 基于噪声属性投影和最近质心分类器的头部姿态估计方法 | 第45-48页 |
| 3.4 实验结果及分析 | 第48-55页 |
| 3.5 本章小结 | 第55-56页 |
| 4 基于支持向量机的头部姿态分类 | 第56-72页 |
| 4.1 支持向量机基础理论 | 第56-63页 |
| 4.2 基于支持向量机的头部姿态分类方法 | 第63-66页 |
| 4.3 实验结果及分析 | 第66-71页 |
| 4.4 本章小结 | 第71-72页 |
| 5 融合回归与分类的分层年龄估计 | 第72-89页 |
| 5.1 人脸年龄特性分析 | 第72-74页 |
| 5.2 支持向量机回归介绍 | 第74-77页 |
| 5.3 基于支持向量机回归的年龄估计方法 | 第77页 |
| 5.4 分层年龄估计方法 | 第77-80页 |
| 5.5 实验结果及分析 | 第80-87页 |
| 5.6 本章小结 | 第87-89页 |
| 6 结论与展望 | 第89-92页 |
| 6.1 全文工作总结与结论 | 第89-90页 |
| 6.2 未来工作展望 | 第90-92页 |
| 致谢 | 第92-94页 |
| 参考文献 | 第94-103页 |
| 附录1 攻读学位期间发表的学术论文 | 第103-104页 |
| 附录2 攻读博士期间参加的部分科研项目 | 第104-105页 |
| 附录3 攻读博士期间获得的奖励 | 第105页 |