基于局部特征的三维人脸识别算法研究
| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第一章 绪论 | 第9-25页 |
| 1.1 引言 | 第9页 |
| 1.2 人脸识别技术 | 第9-13页 |
| 1.2.1 人脸识别系统的应用场景 | 第10页 |
| 1.2.2 人脸识别技术性能评价 | 第10-12页 |
| 1.2.3 人脸识别系统流程 | 第12页 |
| 1.2.4 人脸识别技术分类 | 第12-13页 |
| 1.3 三维人脸识别技术 | 第13-16页 |
| 1.3.1 三维人脸模型的表达形式 | 第13页 |
| 1.3.2 三维人脸识别常用数据库 | 第13-14页 |
| 1.3.3 三维人脸识别系统 | 第14-15页 |
| 1.3.4 三维人脸识别的优势与挑战 | 第15-16页 |
| 1.4 三维人脸识别方法研究综述 | 第16-24页 |
| 1.4.1 基于空域直接匹配的方法 | 第16-18页 |
| 1.4.2 基于整体特征的方法 | 第18-20页 |
| 1.4.3 基于局部特征的方法 | 第20-22页 |
| 1.4.4 基于整体与局部特征结合的方法 | 第22页 |
| 1.4.5 基于二维和三维双模态融合的方法 | 第22-24页 |
| 1.5 本文主要工作及章节安排 | 第24-25页 |
| 第二章 基于轮廓线和局部描述符的三维人脸识别 | 第25-39页 |
| 2.1 引言 | 第25页 |
| 2.2 相关工作 | 第25-26页 |
| 2.3 算法思路 | 第26-27页 |
| 2.4 三维人脸预处理 | 第27-29页 |
| 2.4.1 三维点云网格化 | 第27-28页 |
| 2.4.2 平滑去噪 | 第28页 |
| 2.4.3 人脸切割 | 第28-29页 |
| 2.4.4 姿态矫正 | 第29页 |
| 2.5 轮廓线提取 | 第29-31页 |
| 2.5.1 提取人脸对称面以及中心侧面轮廓线 | 第29-30页 |
| 2.5.2 提取多条横向轮廓线 | 第30-31页 |
| 2.6 特征提取 | 第31-33页 |
| 2.6.1 关键点邻域构造 | 第31-33页 |
| 2.6.2 局部描述符构造 | 第33页 |
| 2.7 分类 | 第33-34页 |
| 2.8 实验 | 第34-38页 |
| 2.8.1 数据库 | 第34-35页 |
| 2.8.2 轮廓线对比实验 | 第35-36页 |
| 2.8.3 特征对比实验 | 第36-37页 |
| 2.8.4 表情鲁棒性实验 | 第37页 |
| 2.8.5 与其他算法的对比实验 | 第37-38页 |
| 2.9 本章小结 | 第38-39页 |
| 第三章 基于多尺度径向线特征的三维人脸识别 | 第39-53页 |
| 3.1 引言 | 第39页 |
| 3.2 相关工作 | 第39-40页 |
| 3.3 算法思路 | 第40-41页 |
| 3.4 多尺度径向线 | 第41-42页 |
| 3.4.1 尺度空间 | 第41-42页 |
| 3.4.2 轮廓线提取 | 第42页 |
| 3.5 特征提取 | 第42-44页 |
| 3.5.1 高斯曲率梯度特征 | 第43页 |
| 3.5.2 特征计算 | 第43-44页 |
| 3.5.3 特征降维 | 第44页 |
| 3.6 分类 | 第44-47页 |
| 3.6.1 距离度量方法 | 第44-45页 |
| 3.6.2 距离度量学习算法 | 第45-47页 |
| 3.6.3 分类策略 | 第47页 |
| 3.7 实验 | 第47-51页 |
| 3.7.1 数据库 | 第47-48页 |
| 3.7.2 参数选择 | 第48页 |
| 3.7.3 特征和距离度量算法对比实验 | 第48-49页 |
| 3.7.4 表情鲁棒性实验 | 第49-50页 |
| 3.7.5 与其他算法的对比实验 | 第50-51页 |
| 3.7.6 计算时间对比实验 | 第51页 |
| 3.8 本章小结 | 第51-53页 |
| 第四章 总结与展望 | 第53-55页 |
| 4.1 课题研究内容总结 | 第53-54页 |
| 4.2 未来工作展望 | 第54页 |
| 4.3 结束语 | 第54-55页 |
| 致谢 | 第55-57页 |
| 参考文献 | 第57-63页 |
| 作者在攻读硕士期间发表的论文及专利 | 第63页 |
