| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第1章 绪论 | 第9-20页 |
| 1.1 人脸特征点定位的研究意义 | 第9-13页 |
| 1.2 人脸特征点定位算法的研究现状 | 第13-17页 |
| 1.2.1 基于统计模型的方法 | 第14-15页 |
| 1.2.2 基于回归的方法 | 第15-16页 |
| 1.2.3 基于深度学习的方法 | 第16-17页 |
| 1.3 卡口监控中人脸图像特点 | 第17-18页 |
| 1.4 研究目标 | 第18-19页 |
| 1.5 论文结构安排 | 第19-20页 |
| 第2章 监控卡口人脸特征点定位数据库 | 第20-30页 |
| 2.1 人脸特征点定位研究中常用的公开数据库 | 第20-25页 |
| 2.2 卡口监控人脸数据库的构建 | 第25-28页 |
| 2.3 标注数据库评价标准 | 第28-29页 |
| 2.4 本章小结 | 第29-30页 |
| 第3章 基于增量学习的人脸特征点定位算法研究 | 第30-41页 |
| 3.1 LBF算法原理 | 第30-32页 |
| 3.2 基于LBF增量学习的卡口人脸特征点定位算法 | 第32-33页 |
| 3.3 实验结果与分析 | 第33-39页 |
| 3.4 本章小结 | 第39-41页 |
| 第4章 基于多任务学习的人脸特征点定位方法 | 第41-52页 |
| 4.1 MTCNN算法原理 | 第41-47页 |
| 4.1.1 MTCNN网络结构 | 第41-43页 |
| 4.1.2 多任务协同计算 | 第43-44页 |
| 4.1.3 MTCNN在不同人脸数据库中测试结果与分析 | 第44-47页 |
| 4.2 基于权重自学习的MTCNN人脸特征点定位算法 | 第47-51页 |
| 4.3 本章小结 | 第51-52页 |
| 第5章 总结与展望 | 第52-54页 |
| 5.1 论文的工作总结 | 第52页 |
| 5.2 未来工作的展望 | 第52-54页 |
| 致谢 | 第54-56页 |
| 参考文献 | 第56-61页 |
| 在学期间科研成果情况 | 第61页 |
