视频图像中的人脸检测和人脸器官定位的研究
| 摘要 | 第1-4页 |
| Abstract | 第4-8页 |
| 第1章 引言 | 第8-21页 |
| ·课题背景和意义 | 第8-11页 |
| ·人脸检测的研究价值和实际应用 | 第8-10页 |
| ·人脸器官特征定位技术的研究背景 | 第10-11页 |
| ·课题来源以及研究工作情况 | 第11-12页 |
| ·研究现状 | 第12-20页 |
| ·人脸检测的研究现状 | 第12-18页 |
| ·模板匹配 | 第14页 |
| ·基于示例学习的方法 | 第14-15页 |
| ·SVM方法 | 第15-16页 |
| ·基于神经网络的方法 | 第16-17页 |
| ·AdaBoost方法 | 第17-18页 |
| ·人脸器官定位技术的研究现状 | 第18-20页 |
| ·基于先验规则的器官定位 | 第18-19页 |
| ·基于模板匹配的方法 | 第19页 |
| ·基于神经网络的方法 | 第19-20页 |
| ·基于Adaboost的方法 | 第20页 |
| ·本文主要工作和论文安排 | 第20-21页 |
| 第2章 样本获得和算法评测 | 第21-30页 |
| ·样本选择和获取 | 第21-25页 |
| ·人脸样本的采集 | 第21-23页 |
| ·人脸样本归一化 | 第23页 |
| ·器官具体位置的标注和切割 | 第23-24页 |
| ·负样本的获得 | 第24-25页 |
| ·算法的评测 | 第25-28页 |
| ·人脸检测的评价标准 | 第25-27页 |
| ·人脸器官定位结果的评价标准 | 第27-28页 |
| ·小结 | 第28-30页 |
| 第3章 系统结构 | 第30-34页 |
| ·引言 | 第30页 |
| ·系统整体流程 | 第30-33页 |
| ·小结 | 第33-34页 |
| 第4章 基于Adaboost的人脸检测算法 | 第34-48页 |
| ·引言 | 第34-35页 |
| ·检测器的弱特征选取 | 第35-37页 |
| ·人脸检测器的弱特征计算 | 第37-40页 |
| ·积分图像的定义和计算 | 第37-38页 |
| ·弱特征的放缩不变特征 | 第38-39页 |
| ·弱特征的预处理 | 第39-40页 |
| ·人脸检测器的构造和训练过程 | 第40-41页 |
| ·强分类器的训练过程 | 第40-41页 |
| ·弱分类器的构造过程 | 第41页 |
| ·层次型检测器结构 | 第41-44页 |
| ·层次型结构的介绍和改进 | 第41-43页 |
| ·层次型检测器的训练过程 | 第43-44页 |
| ·后续处理过程 | 第44页 |
| ·实验结果 | 第44-47页 |
| ·本章小结 | 第47-48页 |
| 第5章 人脸器官精确定位 | 第48-59页 |
| ·引言 | 第48页 |
| ·眼睛特征点定位 | 第48-55页 |
| ·眼睛位置范围确定 | 第49页 |
| ·低分辨率人脸的眼睛粗定位 | 第49-52页 |
| ·低分辨率人脸的超分辨率重建 | 第52-53页 |
| ·基于Adaboost算法的眼睛检测器 | 第53-54页 |
| ·眼睛中心位置的校准 | 第54-55页 |
| ·嘴巴和鼻子特征点定位 | 第55-56页 |
| ·实验结果 | 第56-57页 |
| ·本章小结 | 第57-59页 |
| 第6章 工作总结和展望 | 第59-61页 |
| ·本文工作总结 | 第59页 |
| ·进一步工作展望 | 第59-61页 |
| 参考文献 | 第61-64页 |
| 致谢 | 第64-65页 |
| 个人简历、在学期间发表的学术论文与研究成果 | 第65页 |
