| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 目次 | 第7-10页 |
| 1 绪论 | 第10-24页 |
| 1.1 引言 | 第10页 |
| 1.2 课题提出的研究意义 | 第10-11页 |
| 1.3 国内外研究现状 | 第11-16页 |
| 1.3.1 三维人脸数据获取 | 第12-13页 |
| 1.3.2 三维人脸识别方法简述 | 第13-15页 |
| 1.3.3 三维人脸识别中的难点 | 第15-16页 |
| 1.4 基于局部特征的三维入脸识别方法 | 第16-22页 |
| 1.4.1 标记点检测的主要方法 | 第16-19页 |
| 1.4.2 三维人脸校准方法 | 第19-21页 |
| 1.4.3 特征提取及分类 | 第21-22页 |
| 1.5 本论文的创新点 | 第22页 |
| 1.6 本文主要研究内容以及各章内容安排 | 第22-24页 |
| 2 基于鼻尖点的三维人脸校准方法 | 第24-50页 |
| 2.1 引言 | 第24页 |
| 2.2 三维人脸预处理 | 第24-30页 |
| 2.2.1 三维人脸分割 | 第25-28页 |
| 2.2.2 三维人脸其他预处理 | 第28-30页 |
| 2.3 基于平均鼻子模型的鼻尖点检测及人脸粗校准方法 | 第30-39页 |
| 2.3.1 鼻尖点的刚性说明 | 第32-33页 |
| 2.3.2 构建平均鼻子模型 | 第33-35页 |
| 2.3.3 鼻尖点检测 | 第35-39页 |
| 2.3.4 三维人脸粗校准 | 第39页 |
| 2.4 基于深度图的主动外观模型的三维人脸校准方法 | 第39-49页 |
| 2.4.1 主动外观模型的构造 | 第40-42页 |
| 2.4.2 主成份分析PCA | 第42-43页 |
| 2.4.3 分段仿射变换 | 第43-45页 |
| 2.4.4 主动外观模型的校准方法 | 第45-48页 |
| 2.4.5 基于深度图的主动外观模型AAM | 第48-49页 |
| 2.5 本章小结 | 第49-50页 |
| 3 基于局部特征和支持向量机的人脸识别方法 | 第50-65页 |
| 3.1 引言 | 第50页 |
| 3.2 特征提取方法 | 第50-57页 |
| 3.2.1 基于深度图的直接特征提取方法 | 第50-53页 |
| 3.2.2 基于LBP算子的特征提取方法 | 第53-57页 |
| 3.3 基于支持向量机的特征分类方法 | 第57-63页 |
| 3.3.1 支持向量机的基本理论 | 第57-63页 |
| 3.3.2 基于Libsvm的人脸识别 | 第63页 |
| 3.4 本章小结 | 第63-65页 |
| 4 实验设计与结果分析 | 第65-78页 |
| 4.1 BOSPHORUS数据库介绍 | 第65页 |
| 4.2 鼻尖点检测的实验结果与分析 | 第65-70页 |
| 4.2.1 鼻尖点检测效果分析 | 第66-67页 |
| 4.2.2 与其他方法对比 | 第67-69页 |
| 4.2.3 鼻尖点检测效果示例 | 第69页 |
| 4.2.4 时间复杂度 | 第69-70页 |
| 4.3 三维入脸校准的实验结果与分析 | 第70-74页 |
| 4.4 三维人脸识别的实验结果与分析 | 第74-77页 |
| 4.4.1 特征提取方法的性能比较实验 | 第74-75页 |
| 4.4.2 各种姿态变化的数据集实验 | 第75-76页 |
| 4.4.3 时间复杂度 | 第76-77页 |
| 4.5 本章小结 | 第77-78页 |
| 5 总结与展望 | 第78-80页 |
| 5.1 本文主要工作总结 | 第78-79页 |
| 5.2 后续研究方向展望 | 第79-80页 |
| 参考文献 | 第80-87页 |
| 攻读硕士学位期间主要的研究成果 | 第87-88页 |
| 致谢 | 第88页 |