| 摘要 | 第5-6页 |
| abstract | 第6-7页 |
| 第一章 绪论 | 第10-16页 |
| 1.1 研究背景及意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-13页 |
| 1.3 ASM的发展 | 第13-15页 |
| 1.3.1 基于局部纹理模型的改进 | 第13-14页 |
| 1.3.2 基于全局形状模型的改进 | 第14页 |
| 1.3.3 综合模型与图像搜索匹配的改进 | 第14-15页 |
| 1.4 本文主要研究内容 | 第15-16页 |
| 第二章 人脸检测算法及面部特征点的选取 | 第16-26页 |
| 2.1 人脸检测概述 | 第16-17页 |
| 2.2 人脸检测算法原理介绍 | 第17-21页 |
| 2.2.1 Haar-like特征 | 第17页 |
| 2.2.2 积分图 | 第17-18页 |
| 2.2.3 Adaboost算法原理 | 第18-19页 |
| 2.2.4 Adaboost级联分类器 | 第19-21页 |
| 2.3 人脸检测实验结果与分析 | 第21-23页 |
| 2.4 人脸特征点的选取 | 第23-24页 |
| 2.5 本章小结 | 第24-26页 |
| 第三章 基于ASM的人脸特征点定位 | 第26-42页 |
| 3.1 传统的ASM算法 | 第26-34页 |
| 3.1.1 人脸特征点标注软件 | 第26-28页 |
| 3.1.2 建立形状模型 | 第28-32页 |
| 3.1.3 建立局部纹理特征 | 第32页 |
| 3.1.4 目标搜索 | 第32-34页 |
| 3.2 ASM算法的多分辨率搜索 | 第34-35页 |
| 3.3 ASM矫正对称模型的建立 | 第35-41页 |
| 3.3.1 矫正对称模型的获取 | 第36-37页 |
| 3.3.2 实验结果与分析 | 第37-41页 |
| 3.4 本章小结 | 第41-42页 |
| 第四章 基于Lucas Kanade光流法的人脸特征点跟踪 | 第42-48页 |
| 4.1 光流法原理介绍 | 第42-43页 |
| 4.2 基于金字塔的L-K光流法 | 第43-44页 |
| 4.3 改进的L-K光流法对人脸特征点的跟踪 | 第44-47页 |
| 4.3.1 人脸关键特征点的确定 | 第44-45页 |
| 4.3.2 L-K光流法对中/小姿态人脸的跟踪 | 第45页 |
| 4.3.3 仿射矫正的L-K光流法在视频中的跟踪 | 第45-47页 |
| 4.4 本章小结 | 第47-48页 |
| 第五章 基于多模型的人脸特征点跟踪 | 第48-58页 |
| 5.1 ASM算法与L-K光流法在视频跟踪中的比较 | 第48-50页 |
| 5.2 视频中ASM模型匹配的时间改进 | 第50-51页 |
| 5.3 人脸特征点定位结果的分析 | 第51-56页 |
| 5.4 本章小结 | 第56-58页 |
| 第六章 结论 | 第58-60页 |
| 6.1 结论 | 第58-59页 |
| 6.2 未来工作展望 | 第59-60页 |
| 参考文献 | 第60-64页 |
| 致谢 | 第64-65页 |