| 摘要 | 第4-5页 |
| abstract | 第5页 |
| 第一章 绪论 | 第8-16页 |
| 1.1 课题研究背景和意义 | 第8-9页 |
| 1.2 三维人脸识别概况 | 第9-13页 |
| 1.2.1 三维人脸识别主要方法 | 第9-12页 |
| 1.2.2 三维人脸识别的困难和挑战 | 第12-13页 |
| 1.3 国内外部分主流 3D人脸数据库介绍 | 第13-14页 |
| 1.4 本文主要研究内容与章节安排 | 第14-16页 |
| 1.4.1 本文主要研究内容 | 第14页 |
| 1.4.2 章节安排 | 第14-16页 |
| 第二章 三维人脸识别系统及点云数据预处理 | 第16-26页 |
| 2.1 三维人脸识别系统 | 第16-18页 |
| 2.1.1 三维人脸识别系统框架 | 第16页 |
| 2.1.2 三维人脸数据获取 | 第16-17页 |
| 2.1.3 三维人脸数据格式 | 第17-18页 |
| 2.2 三维人脸点云数据预处理 | 第18-24页 |
| 2.2.1 鼻尖点检测与人脸切割 | 第19-20页 |
| 2.2.2 基于PCA的三维人脸姿态校正 | 第20-21页 |
| 2.2.3 基于ICP的三维人脸模型精确配准 | 第21-24页 |
| 2.3 三维人脸 2.5D深度图和灰度图获取 | 第24-25页 |
| 2.4 本章小结 | 第25-26页 |
| 第三章 三维人脸轮廓线和圆形邻域SIFT特征提取 | 第26-39页 |
| 3.1 三维人脸中分轮廓线和水平轮廓线特征提取 | 第26-27页 |
| 3.2 SIFT特征提取算法 | 第27-34页 |
| 3.2.1 高斯差分图像构建 | 第28-30页 |
| 3.2.2 特征点检测 | 第30-32页 |
| 3.2.3 特征点方向主方向确定 | 第32页 |
| 3.2.4 特征点描述子生成 | 第32-34页 |
| 3.3 圆形邻域SIFT特征描述子 | 第34-38页 |
| 3.3.1 圆形邻域局部特征向量 | 第35-36页 |
| 3.3.2 圆形邻域全局特征向量 | 第36页 |
| 3.3.3 圆形邻域SIFT局部与全局特征向量的组合与匹配 | 第36-38页 |
| 3.4 本章小结 | 第38-39页 |
| 第四章 由粗到细级联三维人脸识别系统 | 第39-47页 |
| 4.1 两级级联三维人脸识别系统 | 第39页 |
| 4.2 基于轮廓线的三维人脸匹配识别 | 第39-42页 |
| 4.2.1 Hausdorff距离方法 | 第40-41页 |
| 4.2.2 基于Hausdorff距离的轮廓线匹配 | 第41-42页 |
| 4.3 基于SIFT特征评分级融合的三维人脸匹配识别 | 第42-46页 |
| 4.3.1 多模态融合方法 | 第42-44页 |
| 4.3.2 评分级融合规则介绍 | 第44页 |
| 4.3.3 评分融合算法流程 | 第44-46页 |
| 4.4 本章小结 | 第46-47页 |
| 第五章 实验结果和分析 | 第47-54页 |
| 5.1 实验数据介绍及实验环境 | 第47-49页 |
| 5.1.1 实验软件和硬件 | 第47页 |
| 5.1.2 三维人脸数据库 | 第47-49页 |
| 5.2 试验一：圆形邻域SIFT特征描述子及其生成算法性能验证 | 第49-51页 |
| 5.3 实验二：级联系统识别性能验证 | 第51-53页 |
| 5.4 本章小结 | 第53-54页 |
| 第六章 总结与展望 | 第54-56页 |
| 6.1 工作总结 | 第54-55页 |
| 6.2 工作展望 | 第55-56页 |
| 参考文献 | 第56-59页 |
| 附录1攻读硕士学位期间撰写的论文 | 第59-60页 |
| 致谢 | 第60页 |
