| 致谢 | 第5-6页 |
| 摘要 | 第6-8页 |
| ABSTRACT | 第8-10页 |
| 1 引言 | 第13-29页 |
| 1.1 选题意义及课题来源 | 第13-14页 |
| 1.2 三维人脸识别算法的认证模式 | 第14-15页 |
| 1.3 三维人脸识别的研究现状 | 第15-22页 |
| 1.4 三维人脸识别研究中的主要挑战和发展方向 | 第22-23页 |
| 1.4.1 三维人脸识别研究的主要挑战 | 第22页 |
| 1.4.2 三维人脸识别的发展方向 | 第22-23页 |
| 1.5 常用的三维人脸数据库介绍 | 第23-25页 |
| 1.6 论文的主要工作及章节安排 | 第25-29页 |
| 1.6.1 论文的主要工作 | 第25-27页 |
| 1.6.2 论文章节安排 | 第27-29页 |
| 2 三维人脸识别研究的相关理论 | 第29-41页 |
| 2.1 数据存储方式 | 第29-32页 |
| 2.2 人脸数据预处理 | 第32页 |
| 2.3 特征提取 | 第32-33页 |
| 2.4 特征训练 | 第33-35页 |
| 2.5 三维人脸特征相似性计算方法 | 第35-36页 |
| 2.6 三维人脸识别算法有效性验证方法 | 第36-38页 |
| 2.7 三维人脸识别性能评估曲线 | 第38-41页 |
| 3 三维人脸鼻尖点检测算法 | 第41-51页 |
| 3.1 鼻尖点检测算法 | 第42-45页 |
| 3.1.1 三维人脸中心线提取算法 | 第42-44页 |
| 3.1.2 定位鼻尖点 | 第44-45页 |
| 3.2 鼻尖点检测算法流程图 | 第45-46页 |
| 3.3 实验及结果分析 | 第46-50页 |
| 3.3.1 使用FRGC人脸库 | 第46-49页 |
| 3.3.2 使用BosphorusDB人脸库 | 第49-50页 |
| 3.4 本章小结 | 第50-51页 |
| 4 三维人脸表情不敏感特征的提取 | 第51-81页 |
| 4.1 基于形变模型的中性人脸估计图提取算法 | 第52-64页 |
| 4.1.1 形变模型 | 第52-55页 |
| 4.1.2 中性人脸估计算法 | 第55-58页 |
| 4.1.3 L1范数约束表情空间系数的最小二乘回归算法 | 第58-60页 |
| 4.1.4 中性人脸估计图 | 第60-64页 |
| 4.2 基于球面向量模的表情不敏感特征提取算法 | 第64-74页 |
| 4.2.1 点的法向量 | 第64-65页 |
| 4.2.2 球面向量 | 第65-67页 |
| 4.2.3 球面向量模 | 第67-72页 |
| 4.2.4 球面向量模投影图 | 第72-74页 |
| 4.3 实验结果及分析 | 第74-78页 |
| 4.4 本章小结 | 第78-81页 |
| 5 基于梯度方向直方图的三维人脸识别算法 | 第81-97页 |
| 5.1 基于新的分块策略的梯度方向直方图特征提取算法 | 第81-83页 |
| 5.2 基于NP-HOG特征的三维人脸识别算法 | 第83-85页 |
| 5.3 实验结果 | 第85-95页 |
| 5.3.1 使用FRGC三维人脸库 | 第85-91页 |
| 5.3.2 使用BosphorusDB三维人脸库 | 第91-95页 |
| 5.4 本章小结 | 第95-97页 |
| 6 结论 | 第97-101页 |
| 6.1 本文的主要研究成果 | 第97-98页 |
| 6.2 对今后工作的展望 | 第98-101页 |
| 参考文献 | 第101-109页 |
| 作者简历及攻读博士学位期间取得的研究成果 | 第109-113页 |
| 学位论文数据集 | 第113页 |