| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第一章 绪论 | 第8-16页 |
| 1.1 人脸识别的研究意义和背景 | 第8-9页 |
| 1.2 人脸识别技术研究现状与发展方向 | 第9-13页 |
| 1.3 三维人脸识别的评价标准 | 第13-14页 |
| 1.4 论文研究内容 | 第14页 |
| 1.5 论文章节安排 | 第14-16页 |
| 第二章 三维人脸数据库和数据预处理 | 第16-29页 |
| 2.1 常用的三维人脸数据库 | 第16-21页 |
| 2.1.1 三维人脸数据库的常见格式 | 第16页 |
| 2.1.2 FRGC三维人脸数据库 | 第16-17页 |
| 2.1.3 BJUT-3D三维人脸数据库 | 第17-18页 |
| 2.1.4 CASIA三维人脸数据库 | 第18-21页 |
| 2.2 三维人脸数据的预处理 | 第21-28页 |
| 2.2.1 脸部标志点定位 | 第21-24页 |
| 2.2.2 脸部区域提取 | 第24-26页 |
| 2.2.3 生成归一化的脸部深度图和灰度图 | 第26-28页 |
| 2.3 本章小结 | 第28-29页 |
| 第三章 基于PCA的人脸深度图像全局特征提取 | 第29-35页 |
| 3.1 全局特征简介 | 第29页 |
| 3.2 主成分分析的数学原理 | 第29-31页 |
| 3.3 PCA在人脸特征提取上的应用 | 第31-34页 |
| 3.3.1 主成分向量的计算 | 第31-33页 |
| 3.3.2 特征向量的提取 | 第33-34页 |
| 3.3.3 全局特征的提取 | 第34页 |
| 3.4 本章小结 | 第34-35页 |
| 第四章 基于SIFT的人脸灰度图像局部特征提取 | 第35-48页 |
| 4.1 局部不变特征简介 | 第35-36页 |
| 4.2 SIFT局部特征提取算法 | 第36-45页 |
| 4.2.1 生成图像DoG尺度空间 | 第37-39页 |
| 4.2.2 特征点搜索 | 第39-42页 |
| 4.2.3 生成特征描述子 | 第42-45页 |
| 4.2.4 图像特征点匹配 | 第45页 |
| 4.3 SIFT算法的不足和改进 | 第45-47页 |
| 4.4 本章小结 | 第47-48页 |
| 第五章 PCA特征与SIFT特征融合的三维人脸识别 | 第48-55页 |
| 5.1 两级串联人脸识别系统 | 第48-49页 |
| 5.2 基于PCA特征的第一级识别 | 第49-52页 |
| 5.3 基于SIFT特征的第二级识别 | 第52-54页 |
| 5.4 本章小结 | 第54-55页 |
| 第六章 实验仿真及结果分析 | 第55-75页 |
| 6.1 实验环境 | 第55页 |
| 6.2 具体实验与结果 | 第55-72页 |
| 6.2.1 实验界面介绍 | 第55-62页 |
| 6.2.2 10折交叉验证和数据集的选取 | 第62-64页 |
| 6.2.3 单特征实验结果 | 第64-69页 |
| 6.2.4 融合特征实验结果 | 第69-71页 |
| 6.2.5 匹配时间对比实验 | 第71-72页 |
| 6.3 实验结果对比与分析 | 第72-73页 |
| 6.4 系统CMC曲线 | 第73-74页 |
| 6.5 本章小结 | 第74-75页 |
| 第七章 总结与展望 | 第75-77页 |
| 7.1 工作总结 | 第75页 |
| 7.2 工作展望 | 第75-77页 |
| 参考文献 | 第77-79页 |
| 致谢 | 第79页 |