| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第一章 绪论 | 第9-14页 |
| 1.1 课题研究内容及意义 | 第9-10页 |
| 1.2 人脸遮挡检测的国内外研究现状 | 第10-12页 |
| 1.3 课题研究难点 | 第12页 |
| 1.4 数据集 | 第12页 |
| 1.5 论文组织结构 | 第12-14页 |
| 第二章 头部区域定位及五官定位 | 第14-24页 |
| 2.1 基于运动目标检测和SVM的人头定位 | 第14-20页 |
| 2.1.1 基于混合高斯背景建模的运动目标检测方法 | 第14-17页 |
| 2.1.2 支持向量机原理简介 | 第17-19页 |
| 2.1.3 基于运动检测和SVM的人头定位实验结果 | 第19-20页 |
| 2.2 基于ASM的五官定位 | 第20-23页 |
| 2.2.1 主动形状模型原理简介 | 第20-22页 |
| 2.2.2 实验结果 | 第22-23页 |
| 2.3 本章小结 | 第23-24页 |
| 第三章 遮挡判别 | 第24-52页 |
| 3.1 特征提取 | 第24-31页 |
| 3.1.1 二值特征 | 第24-25页 |
| 3.1.2 LBP特征 | 第25-26页 |
| 3.1.3 梯度方向直方图特征 | 第26-29页 |
| 3.1.4 SIFT特征 | 第29-31页 |
| 3.2 特征距离计算 | 第31-32页 |
| 3.3 聚类算法实现人脸遮挡判别 | 第32-36页 |
| 3.3.1 聚类 | 第32-33页 |
| 3.3.2 基于峰值的聚类算法(FSDP) | 第33-36页 |
| 3.4 人脸的遮挡判别分析 | 第36-40页 |
| 3.4.1 实验样本 | 第36页 |
| 3.4.2 基于LBP特征的人脸聚类 | 第36-37页 |
| 3.4.3 基于二值特征的人脸聚类 | 第37-38页 |
| 3.4.4 基于HOG特征的人脸聚类 | 第38-40页 |
| 3.5 人眼区域的遮挡判别分析 | 第40-42页 |
| 3.5.1 实验样本 | 第40-41页 |
| 3.5.2 实验结果 | 第41-42页 |
| 3.6 训练样本不同规模和复杂性下的人眼区域遮挡判别研究 | 第42-49页 |
| 3.6.1 基于不同规模的训练样本的聚类结果分析 | 第43-45页 |
| 3.6.2 基于SIFT和HOG特征的复杂训练样本聚类分析 | 第45-49页 |
| 3.7 基于聚类的在线学习 | 第49-51页 |
| 3.7.1 在线学习方法 | 第49-50页 |
| 3.7.2 实验结果 | 第50-51页 |
| 3.8 本章小结 | 第51-52页 |
| 第四章 总结与展望 | 第52-54页 |
| 4.1 总结 | 第52-53页 |
| 4.2 展望 | 第53-54页 |
| 致谢 | 第54-55页 |
| 参考文献 | 第55-57页 |
