| 摘要 | 第3-4页 |
| ABSTRACT | 第4-5页 |
| 1 绪论 | 第8-16页 |
| 1.1 课题研究背景与意义 | 第8页 |
| 1.2 三维人脸识别研究的发展和现状 | 第8-14页 |
| 1.2.1 三维人脸识别兴起的原因 | 第8-10页 |
| 1.2.2 三维人脸识别方法介绍 | 第10-14页 |
| 1.3 本文算法提出背景 | 第14-15页 |
| 1.4 本文研究内容与组织结构 | 第15-16页 |
| 2 人脸识别系统概述及预备知识 | 第16-28页 |
| 2.1 人脸识别系统概述 | 第16-20页 |
| 2.1.1 三维人脸识别系统基本组成 | 第16-17页 |
| 2.1.2 三维人脸识别系统的评价指标 | 第17-18页 |
| 2.1.3 三维人脸识别技术的优势 | 第18页 |
| 2.1.4 三维人脸识别技术面临的困难 | 第18-19页 |
| 2.1.5 常用三维人脸数据库 | 第19-20页 |
| 2.2 本文预备知识 | 第20-27页 |
| 2.2.1 主成分分析算法（PCA） | 第20-23页 |
| 2.2.2 迭代最近点算法（ICP） | 第23-24页 |
| 2.2.3 信息融合概述 | 第24-27页 |
| 2.3 本章小结 | 第27-28页 |
| 3 基于 CASIA 3D 的三维人脸数据预处理方法 | 第28-44页 |
| 3.1 CASIA 3D 数据库介绍 | 第28-31页 |
| 3.2 算法原理 | 第31-32页 |
| 3.3 人脸切割 | 第32-34页 |
| 3.4 数据规整 | 第34-36页 |
| 3.5 平滑去噪 | 第36-37页 |
| 3.6 姿态矫正 | 第37-39页 |
| 3.7 实验结果分析 | 第39-43页 |
| 3.7.1 数据规整实验 | 第39-41页 |
| 3.7.2 预处理前后人脸样本对比 | 第41-43页 |
| 3.8 本章小结 | 第43-44页 |
| 4 针对表情变化的三维人脸识别算法研究 | 第44-57页 |
| 4.1 算法原理与流程 | 第44-46页 |
| 4.1.1 算法原理 | 第44页 |
| 4.1.2 特征选择 | 第44-46页 |
| 4.1.3 算法流程 | 第46页 |
| 4.2 预处理 | 第46页 |
| 4.3 整体特征匹配 | 第46-49页 |
| 4.3.1 深度图获取 | 第46-48页 |
| 4.3.2 深度数据匹配 | 第48-49页 |
| 4.4 局部特征匹配 | 第49-51页 |
| 4.4.1 刚性区域获取 | 第49-50页 |
| 4.4.2 刚性区域匹配 | 第50-51页 |
| 4.5 特征信息融合 | 第51-52页 |
| 4.6 实验结果与分析 | 第52-56页 |
| 4.6.1 特征维数选择 | 第52-53页 |
| 4.6.2 刚性区域匹配时间代价分析 | 第53页 |
| 4.6.3 特征融合实验 | 第53-55页 |
| 4.6.4 表情鲁棒性实验 | 第55-56页 |
| 4.7 本章小结 | 第56-57页 |
| 5 总结与展望 | 第57-59页 |
| 5.1 全文工作总结 | 第57-58页 |
| 5.2 后续研究工作展望 | 第58-59页 |
| 致谢 | 第59-60页 |
| 参考文献 | 第60-64页 |
| 附录 | 第64页 |