声明
第一章 绪论
1.1 人脸对齐技术的重要意义
1.2 人脸对齐技术发展回顾
1.3 商业化的人脸对齐算法服务
1.4 本文主要研究内容
第二章 深度图像的获取与处理
2.1 深度图像简介
2.2 深度图像采集技术
2.3 基于结构光的深度图像采集技术
2.4 基于Time-of-Flight的深度图像采集技术
2.5 Kinect One的使用
2.6 深度图像的特点
第三章 人脸对齐问题分析
3.1 人脸对齐问题描述
3.2 人脸对齐中的基本结构和算法
3.3 人脸对齐常用数据集
第四章 基于红外和深度图像的人脸对齐算法
4.1 整体架构
4.2 特征提取
4.3 特征选择
4.4 特征提取与特征选择的优化
4.5 协方差计算的优化
4.6 机器学习模型
4.7 训练方式
4.8 测试方式
4.9 模型压缩
第五章 性能评估与比较
5.1 FRGC[27](Face Recognition Grand Challenge)数据集
5.2 LIDF数据集
5.3 各关键点精度
5.4 算法运行速度
5.5 参数选择
第六章 人脸对齐在疲劳驾驶检测中的运用
6.1 疲劳驾驶检测研究的重要意义
6.2 基于视频的疲劳驾驶检测技术
6.3 系统总体介绍
6.4 人脸检测
6.5 人脸对齐
6.6 疲劳特征提取
6.7 本系统的优势和存在的问题
全文总结
参考文献
致谢
攻读学位期间发表的学术论文
攻读学位期间参与的项目