| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第1章 绪论 | 第8-14页 |
| 1.1 研究背景与意义 | 第8-11页 |
| 1.2 国外研究现状 | 第11-12页 |
| 1.3 国内研究动态 | 第12-13页 |
| 1.4 研究内容 | 第13页 |
| 1.5 本文结构 | 第13-14页 |
| 第2章 影视角色人脸追踪与替换技术概述 | 第14-22页 |
| 2.1 人脸跟踪方法分类 | 第14-18页 |
| 2.1.1 基于区域的追踪方法 | 第15-16页 |
| 2.1.2 基于轮廓追踪方法 | 第16-17页 |
| 2.1.3 基于模型的追踪方法 | 第17页 |
| 2.1.4 基于模型的追踪方法 | 第17页 |
| 2.1.5 多视角的监测，多线索跟踪和数据融合 | 第17-18页 |
| 2.2 三维人脸建模技术 | 第18-20页 |
| 2.2.1 直接建模方法 | 第18-19页 |
| 2.2.2 间接建模方法 | 第19-20页 |
| 2.3 本章小结 | 第20-22页 |
| 第3章 视频人脸追踪与定位相关算法的研究 | 第22-36页 |
| 3.1 视频人脸追踪 | 第22-28页 |
| 3.1.1 Mean-shift算法分析 | 第22-23页 |
| 3.1.2 相似性测量 | 第23-24页 |
| 3.1.3 一种新的相似度测量方法 | 第24页 |
| 3.1.4 与其他相似度测量算法的比较 | 第24-25页 |
| 3.1.5 基于相似性的mean-shift追踪算法的具体实现 | 第25-26页 |
| 3.1.6 实验结果 | 第26-28页 |
| 3.2 视频人脸定位 | 第28-34页 |
| 3.2.1 特征点的局部搜索 | 第30-31页 |
| 3.2.2 形状融合 | 第31-32页 |
| 3.2.3 形状验证 | 第32-33页 |
| 3.2.4 实验结果 | 第33-34页 |
| 3.3 本章小结 | 第34-36页 |
| 第4章 影视角色人脸替换方法的研究 | 第36-47页 |
| 4.1 三维人脸建模 | 第36-43页 |
| 4.1.1 二维照片特征点提取 | 第37-38页 |
| 4.1.2 三维人脸几何模型重建 | 第38-41页 |
| 4.1.3 纹理映射 | 第41-42页 |
| 4.1.4 建模实验及比较结果 | 第42页 |
| 4.1.5 与同类方法的比较 | 第42-43页 |
| 4.2 表情匹配 | 第43-45页 |
| 4.2.1 表情复制 | 第43-44页 |
| 4.2.2 目标视频的表情匹配 | 第44-45页 |
| 4.3 姿态和光照估计 | 第45-46页 |
| 4.3.1 姿态估计 | 第45-46页 |
| 4.4 人脸光照调整 | 第46页 |
| 4.5 实验结果 | 第46-47页 |
| 第5章 视频人脸追踪与替换系统的应用效果 | 第47-58页 |
| 5.1 系统的基本描述 | 第48-49页 |
| 5.2 应用环境设计 | 第49-51页 |
| 5.2.1 开发工具 | 第49-51页 |
| 5.2.2 开发平台 | 第51页 |
| 5.3 视频人脸追踪与替换的应用 | 第51-56页 |
| 5.3.1 人脸追踪 | 第51-52页 |
| 5.3.2 人脸定位 | 第52-53页 |
| 5.3.3 人脸建模 | 第53-54页 |
| 5.3.4 表情匹配 | 第54-55页 |
| 5.3.5 最终替换 | 第55-56页 |
| 5.4 本章小结 | 第56-58页 |
| 结论 | 第58-60页 |
| 攻读硕士学位期间取得的研究成果 | 第60-62页 |
| 参考文献 | 第62-68页 |
| 致谢 | 第68页 |