| 致谢 | 第7-8页 |
| 摘要 | 第8-9页 |
| ABSTRACT | 第9-10页 |
| 第一章 绪论 | 第15-26页 |
| 1.1 研究背景 | 第15-16页 |
| 1.2 研究意义 | 第16-17页 |
| 1.3 国内外研究现状 | 第17-23页 |
| 1.3.1 人脸网格参数的三维人脸建模 | 第17-18页 |
| 1.3.2 三维扫描仪的三维人脸建模 | 第18-19页 |
| 1.3.3 形变模型的三维人脸建模 | 第19-20页 |
| 1.3.4 基于高光谱的三维人脸建模 | 第20页 |
| 1.3.5 Kinect的三维人脸建模 | 第20-21页 |
| 1.3.6 二维图像的三维人脸建模 | 第21-23页 |
| 1.4 本文的研究内容与结构安排 | 第23-26页 |
| 1.4.1 本文的研究内容 | 第23-24页 |
| 1.4.2 本文的结构安排 | 第24-26页 |
| 第二章 三维人脸建模中人脸特征点提取的相关知识研究 | 第26-35页 |
| 2.1 引言 | 第26页 |
| 2.2 人脸特征点定位和提取 | 第26-34页 |
| 2.2.1 主动形状模型 | 第26-30页 |
| 2.2.2 主动形状模型的改进 | 第30-31页 |
| 2.2.3 主动表观模型 | 第31-33页 |
| 2.2.4 主动表观模型的改进 | 第33-34页 |
| 2.2.5 基于卷积神经网络的特征点提取 | 第34页 |
| 2.3 本章小结 | 第34-35页 |
| 第三章 基于刚性SFM算法的三维人脸重建 | 第35-40页 |
| 3.1 引言 | 第35页 |
| 3.2 三维物体与二维投影图像 | 第35-37页 |
| 3.3 SFM算法 | 第37-39页 |
| 3.3.1 刚性的SFM算法 | 第38-39页 |
| 3.4 三维人脸稀疏结构的重建 | 第39页 |
| 3.5 本章小结 | 第39-40页 |
| 第四章 融合深度卷积网络和SFM方法的三维人脸建模 | 第40-57页 |
| 4.1 引言 | 第40-41页 |
| 4.2 人脸特征点提取 | 第41-47页 |
| 4.2.1 基于深度卷积网络的特征点提取 | 第41-43页 |
| 4.2.2 基于任务限制的深度卷积网络的特征点提取 | 第43-45页 |
| 4.2.3 实验结果分析 | 第45-47页 |
| 4.3 因式分解法的SFM算法改进 | 第47-49页 |
| 4.3.1 算法描述 | 第48页 |
| 4.3.2 稀疏结构的求解 | 第48-49页 |
| 4.4 配准及鼻尖点再匹配 | 第49-52页 |
| 4.4.1 最近邻点迭代 | 第50页 |
| 4.4.2 鼻尖点再匹配 | 第50-52页 |
| 4.5 稀疏结构到稠密模型 | 第52-55页 |
| 4.5.1 薄板样条插值 | 第52-53页 |
| 4.5.2 特定人脸稠密点云结构重建 | 第53-54页 |
| 4.5.3 重建结果及分析 | 第54-55页 |
| 4.6 本章小结 | 第55-57页 |
| 第五章 总结与展望 | 第57-59页 |
| 5.1 本文主要工作 | 第57页 |
| 5.2 未来工作展望 | 第57-59页 |
| 参考文献 | 第59-63页 |
| 攻读硕士学位期间的学术活动及成果情况 | 第63-64页 |
