文档介绍：烈虞妥垮拨夫·晕学位论文基于主动形状模型的头部姿态估计张磊指导教师姓名:陈建勋教授蒋曼副教授申请学位级别:论文定稿日期:学位授予单位:学位授予日期:武汉科技大学计算机学院答辩委员会主席:评阅人:刘钊教授分类号:密级:陈和平教授向广利副教授
指导教师签名:慰:益论文作者签名:至整盏论文作者签名:一二选盘,期:丛丛叁:丝例,.武汉科技大学研究生学位论文创新性声明研究生学位论文版权使用授权声明本人郑重声明:所呈交的学位论文是本人在导师指导下,独立进行研究所取得的成果。除了文中已经注明引用的内容或属合作研究共同完成的工作外,本论文不包含任何其他个人或集体已经发表或撰写过的作品成果。对本文的研究做出重要贡献的个人和集体,均已在文中以明确方式标明。申请学位论文与资料若有不实之处,本人承担一切相关责任。日期:本论文的研究成果归武汉科技大学所有,其研究内容不得以其它单位的名义发表。本人完全了解武汉科技大学有关保留、使用学位论文的规定,同意学校保留并向有关部门凑铡段浜嚎萍即笱Ч赜谘芯可宦畚氖章工作的规定》执行徒宦畚牡母从〖偷缱影姹荆市砺畚谋徊樵暮徒柙模同意学校将本论文的全部或部分内容编入学校认可的国家相关数据库进行检索和对外服务。日
◆,
武汉科技大学摘要硕士学位论文第头部姿态估计在智能监控领域有着巨大的应用价值。头部姿态一般体现着个体感兴趣的目标及其行为趋势,它是行为识别的重要依据。然而,给定一幅人脸图像,估计其中头部的姿态具有相当大的难度,特别是估计姿态中的俯仰和偏航角尤为困难。不同人脸型的差异,摄像头位置不同造成的尺度变化、人的表情变化、环境光照变化等因素都会对算法准确程度产生影响。头部姿态估计方法可以分为二大类:基于图像的方法和基于模型的方法。前者的基本过程是用主元分析和流形学习等技术将人脸图像数据进行降维,在得到的低维空间中对不同姿态进行分类。后者首先抽取出图像中人脸部有意义的形状或纹理特征,这些特征通常以参数化模型的方式表达,然后基于这些特征进行姿态估计。相对于前者,此类方法可以更好的捕捉细微的头部姿态变化。本文提出了一种基于主动形状模型的头部姿态估计算法。主动形状模型是建立在大量训练基础上的形状模型。它通过对几何特征和纹理特征的训练得到模型参数以估计目标的特征点集。该模型能准确的表达不同表情,不同人、不同视角的人脸形状变化。算法首先用主动形状模型进行人脸特征点集定位。然后基于这个估计出的特征点集用相关向量机来预测出头部姿态信息。在狿鉘肆呈菘馍系氖笛楸砻鞅疚奶岢龅乃惴ǖ墓兰结果比基于图像的姿态估计方法更准确。关键词:头部姿态估计;主动形状模型;相关向量机
啦武汉科技大学..;第页硕士学位论文.’:.甌,:籖甈甊·
武汉科技大学目录硕士学位论文第摘要⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯..目录⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯.第一章绪论⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯..研究现状和目标⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯...⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯一第二章主动形状模型⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯提出背景和目标⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯..獭谌肆成系挠τ谩第三章相关向量机⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯应用背景和目标⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯.鯩过程⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯隨比较⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯第四章头部姿态估计⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯.引言⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯算法介绍⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯..实验⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯:⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯本章小结⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯第五章结论⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯本文的工作总结⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯展望⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯参考文献⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯