首页--工业技术论文--自动化技术、计算机技术论文--计算技术、计算机技术论文--计算机的应用论文--信息处理(信息加工)论文--模式识别与装置论文

基于三维模型的人脸识别技术研究

中文摘要第1-5页
Abstract第5-10页
第一章 绪论第10-28页
   ·引言第10-11页
   ·人脸识别概述第11-16页
     ·人脸识别的分类第11-12页
     ·人脸识别的性能指标第12-13页
     ·人脸识别方法第13-14页
     ·人脸识别测试第14-16页
   ·三维人脸识别的提出第16-20页
   ·本文主要研究内容及章节安排第20-22页
   ·本章小结第22页
 参考文献第22-28页
第二章 国内外现状分析第28-43页
   ·引言第28页
   ·三维人脸识别方法第28-29页
     ·灰度值作为第三维的方法第28-29页
     ·利用三维模型增强二维识别的方法第29页
     ·基于真正三维模型的人脸识别第29页
   ·基于真正三维人脸识别方法分类第29-37页
     ·基于曲率的方法第30-31页
     ·基于模型拟合及合成的方法第31-34页
     ·基于形状表征的方法第34-36页
     ·其他方法第36-37页
   ·三维人脸识别面临的困难与挑战第37-38页
   ·本章小结第38页
 参考文献第38-43页
第三章 三维人脸建模第43-60页
   ·引言第43页
   ·基于物理装置的数据获取第43-46页
     ·结构光测距第43-45页
     ·激光扫描第45-46页
   ·基于多幅图像的数据获取第46-49页
     ·立体视觉第47-48页
     ·Shape from X第48-49页
   ·本文数据来源第49-52页
     ·基于CT数据的三维人脸重构第49-50页
     ·基于三维激光扫描仪的人脸获取第50-51页
     ·基于多幅图像的三维人脸重建第51-52页
   ·数据规格化第52-56页
     ·基于光流的对应计算第53页
     ·基于网格重采样第53-56页
   ·本章小结第56页
 参考文献第56-60页
第四章 关键特征点定位第60-77页
   ·引言第60-61页
   ·基于三维曲面分析的器官边缘区域检测第61-68页
     ·径向半径法构造人脸差分图第62-64页
     ·高斯曲率法构造人脸差分图第64页
     ·区域生长构造器官轮廓区域第64-66页
     ·基于器官先验规则的区域标注第66-68页
   ·器官边缘特征定位第68-75页
     ·器官可变形模板的定义第68-70页
     ·边界曲线拟合获取眼睛、嘴巴精确特征第70-72页
     ·能量优化计算眼睛、嘴巴的精确特征第72-74页
     ·鼻子区域的分析与特征定位第74-75页
   ·本章小结第75页
 参考文献第75-77页
第五章 基于几何测量的三维人脸识别第77-86页
   ·引言第77页
   ·特征选择第77-79页
   ·特征测量第79-83页
   ·相似性度量第83页
   ·试验结果分析第83-84页
   ·本章小结第84-85页
 参考文献第85-86页
第六章 基于轮廓线的三维人脸识别第86-102页
   ·引言第86页
   ·基础理论与算法第86-91页
     ·曲率计算第86-89页
     ·ICP算法第89-91页
   ·对称面与对称轮廓线提取第91-95页
     ·确定人脸纵方向第92-93页
     ·人脸网格镜像第93页
     ·网格配准第93-95页
     ·对称平面提取第95页
   ·其他轮廓线提取第95-96页
   ·算法步骤第96-99页
   ·试验结果分析第99页
   ·本章小结第99-100页
 参考文献第100-102页
第七章 基于MEGI的三维人脸识别第102-111页
   ·引言第102页
   ·人脸分割第102页
   ·一般扩展高斯图第102-104页
   ·球面相关性系数第104页
   ·基于MEGI模型的三维人脸识别第104-107页
     ·MEGI模型第105-106页
     ·扩展的球面相关性系数第106-107页
     ·MEGI模型匹配第107页
   ·试验结果分析第107-108页
   ·本章小结第108页
 参考文献第108-111页
第八章 基于流形学习的人脸特征降维研究第111-120页
   ·引言第111-112页
   ·几种流行学习算法基本思想第112-116页
     ·流形学习定义第112页
     ·局部线性嵌入第112-114页
     ·等距映射第114-115页
     ·拉普拉斯特征映射第115-116页
   ·将流形学习应用于三维人脸识别第116-118页
   ·本章小结第118页
 参考文献第118-120页
第九章 总结与展望第120-122页
   ·本文工作总结第120-121页
   ·进一步研究展望第121-122页
攻读博士学位期间主要科研成果第122-124页
致谢第124页

论文共124页,点击 下载论文
上一篇:基于分形的地形图像表面重建研究
下一篇:在生物研究性学习中提高学生的合作意识