头部运动姿态检测分析与设计
| 摘要 | 第1-5页 |
| Abstract | 第5-9页 |
| 1 绪论 | 第9-16页 |
| ·头部姿态估计的研究背景 | 第9-12页 |
| ·头部姿态的研究意义 | 第9-10页 |
| ·国内外研究现状 | 第10-12页 |
| ·头部姿态的研究内容 | 第12页 |
| ·OpenCV简介 | 第12-14页 |
| ·OpenCV的结构和内容 | 第13页 |
| ·OpenCV的优点 | 第13-14页 |
| ·OpenCV的功能 | 第14页 |
| ·本文研究的主要内容 | 第14-15页 |
| ·论文的结构 | 第15-16页 |
| 2 摄像机标定 | 第16-24页 |
| ·摄像机标定的方法 | 第16-17页 |
| ·线性变换法 | 第16页 |
| ·非线性变换法 | 第16页 |
| ·两步法 | 第16-17页 |
| ·摄像机成像原理 | 第17-20页 |
| ·四个坐标系的转换 | 第17-20页 |
| ·透镜的畸变及校正 | 第20页 |
| ·摄像机标定的实现 | 第20-23页 |
| ·本章小结 | 第23-24页 |
| 3 人脸检测 | 第24-35页 |
| ·人脸检测的方法 | 第24-26页 |
| ·基于知识的人脸检测方法 | 第24-25页 |
| ·基于统计的人脸检测方法 | 第25-26页 |
| ·AdaBoost算法 | 第26-31页 |
| ·Haar特征 | 第27-28页 |
| ·积分图 | 第28-29页 |
| ·由Haar特征生成弱分类器 | 第29-30页 |
| ·强分类器的形成 | 第30页 |
| ·级联分类器 | 第30-31页 |
| ·人脸检测的实现 | 第31-34页 |
| ·人脸检测方法的改进 | 第31-33页 |
| ·人脸检测的实现 | 第33-34页 |
| ·本章小结 | 第34-35页 |
| 4 人脸特征提取 | 第35-49页 |
| ·AAM模型的建立 | 第35-45页 |
| ·形状模型的建立 | 第36-40页 |
| ·纹理模型的建立 | 第40-43页 |
| ·AAM的建立 | 第43-45页 |
| ·AAM模型的搜索和拟合 | 第45-48页 |
| ·基于线性回归的AAM模型匹配算法 | 第45-46页 |
| ·基于反向组合的AAM模型匹配算法 | 第46-48页 |
| ·本章小结 | 第48-49页 |
| 5 头部姿态估计 | 第49-56页 |
| ·人脸姿态的表示方式 | 第49-50页 |
| ·POSIT算法 | 第50-54页 |
| ·POSIT算法原理及实现 | 第50-53页 |
| ·POSIT算法实例 | 第53-54页 |
| ·头部姿态的求解 | 第54-55页 |
| ·本章小结 | 第55-56页 |
| 6 算法的设计和实现 | 第56-63页 |
| ·环境搭建 | 第56-57页 |
| ·算法设计 | 第57-58页 |
| ·算法实现 | 第58-60页 |
| ·算法分析 | 第60-61页 |
| ·本章小结 | 第61-63页 |
| 7 结论 | 第63-65页 |
| ·工作总结 | 第63-64页 |
| ·课题展望 | 第64-65页 |
| 参考文献 | 第65-68页 |
| 攻读硕士学位期间发表的论文 | 第68-69页 |
| 致谢 | 第69-71页 |
