| 摘要 | 第1-4页 |
| Abstract | 第4-7页 |
| 第一章 绪论 | 第7-13页 |
| ·研究背景与意义 | 第8-9页 |
| ·AAM 研究进展与现状 | 第9-11页 |
| ·本文的研究成果及安排 | 第11-13页 |
| ·研究成果 | 第11页 |
| ·论文结构安排 | 第11-13页 |
| 第二章 主动表观模型 | 第13-27页 |
| ·引言 | 第13页 |
| ·AAM 建模 | 第13-24页 |
| ·标定训练集与形状对齐 | 第13-18页 |
| ·形状建模 | 第18-21页 |
| ·纹理建模 | 第21-23页 |
| ·混合建模 | 第23-24页 |
| ·AAM 匹配计算 | 第24-26页 |
| ·本章小结 | 第26-27页 |
| 第三章 基于Lucas-Kanade 算法与AAM 的人脸标定 | 第27-37页 |
| ·引言 | 第27页 |
| ·LK 反向组合算法 | 第27-29页 |
| ·基于LK 算法和AAM 相结合的人脸视频跟踪 | 第29-32页 |
| ·基于LK 算法的AAM 人脸匹配 | 第29-31页 |
| ·人脸视频跟踪与识别算法 | 第31-32页 |
| ·程序实现及实验结果 | 第32-35页 |
| ·实验设计 | 第32-33页 |
| ·实验结果 | 第33-35页 |
| ·本章小结 | 第35-37页 |
| 第四章 基于AdaBoost 算法与AAM 的人脸识别 | 第37-49页 |
| ·引言 | 第37页 |
| ·AdaBoost 算法 | 第37-42页 |
| ·Haar-like 特征和积分图像 | 第37-39页 |
| ·AdaBoost 单分类算法 | 第39-41页 |
| ·AdaBoost 多分类算法 | 第41-42页 |
| ·基于AdaBoost 算法和AAM 相结合的匹配算法 | 第42-46页 |
| ·PDM 建模 | 第43页 |
| ·BAM 建模 | 第43-44页 |
| ·基于AdaBoost 的AAM 人脸匹配 | 第44-46页 |
| ·程序实现及实验结果 | 第46-47页 |
| ·本章小结 | 第47-49页 |
| 第五章 基于AAM 的人脸视频跟踪与识别系统软件 | 第49-59页 |
| ·引言 | 第49页 |
| ·系统构建框图 | 第49-51页 |
| ·系统功能模块 | 第51-57页 |
| ·Get Landmarks 模块 | 第51-53页 |
| ·Lucas-Kanade (LK) AAM 模块 | 第53-55页 |
| ·AdaBoost AAM 模块 | 第55-57页 |
| ·Save 模块 | 第57页 |
| ·本章小结 | 第57-59页 |
| 第六章 总结与展望 | 第59-61页 |
| ·总结 | 第59-60页 |
| ·展望 | 第60-61页 |
| 致谢 | 第61-63页 |
| 参考文献 | 第63-69页 |
| 作者在读期间参加的科研和取得的成果 | 第69-70页 |
