表情不变的三维人脸识别
| 摘要 | 第4-5页 |
| abstract | 第5页 |
| 注释表 | 第10-11页 |
| 第一章 绪论 | 第11-22页 |
| 1.1 选题背景及意义 | 第11-13页 |
| 1.2 常用三维人脸数据库 | 第13-15页 |
| 1.3 国内外研究现状 | 第15-20页 |
| 1.4 论文主要工作 | 第20页 |
| 1.5 内容安排 | 第20-22页 |
| 第二章 表情变化下稳健的三维人脸特征模型 | 第22-34页 |
| 2.1 三维人脸数据预处理 | 第22-26页 |
| 2.1.1 平滑去噪 | 第22-24页 |
| 2.1.2 人脸对齐 | 第24-26页 |
| 2.2 三维人脸特征模型 | 第26-27页 |
| 2.3 三维人脸GABOR邻域特征 | 第27-29页 |
| 2.3.1 Gabor滤波原理 | 第28-29页 |
| 2.3.2 三维人脸特征点邻域特征 | 第29页 |
| 2.4 测地线特征 | 第29-33页 |
| 2.4.1 测地线定义 | 第29-31页 |
| 2.4.2 三维人脸曲面上的测地线距离计算 | 第31-33页 |
| 2.5 本章小结 | 第33-34页 |
| 第三章 基于弹性模型的三维人脸识别 | 第34-44页 |
| 3.1 弹性图模型匹配原理 | 第34-35页 |
| 3.2 基于弹性匹配的三维人脸识别 | 第35-36页 |
| 3.3 实验结果与分析 | 第36-43页 |
| 3.3.1 参数选择 | 第36-41页 |
| 3.3.2 不同算法对比分析 | 第41-43页 |
| 3.4 本章小结 | 第43-44页 |
| 第四章 基于卷积神经网络的三维人脸识别 | 第44-59页 |
| 4.1 深度学习概述 | 第44-46页 |
| 4.2 卷积神经网络基本原理 | 第46-50页 |
| 4.2.1 局部连接 | 第47页 |
| 4.2.2 权值共享 | 第47页 |
| 4.2.3 池化采样 | 第47-48页 |
| 4.2.4 权值更新 | 第48-50页 |
| 4.3 基于卷积神经网络的三维人脸识别 | 第50-53页 |
| 4.3.1 数据预处理 | 第50页 |
| 4.3.2 卷积神经网络结构设计 | 第50-51页 |
| 4.3.3 激活函数的选择 | 第51-53页 |
| 4.4 实验结果与分析 | 第53-58页 |
| 4.4.1 网络层数 | 第54页 |
| 4.4.2 学习率 | 第54-55页 |
| 4.4.3 批训练量 | 第55-56页 |
| 4.4.4 迭代周期 | 第56-57页 |
| 4.4.5 算法对比 | 第57-58页 |
| 4.5 本章小结 | 第58-59页 |
| 第五章 总结与展望 | 第59-62页 |
| 5.1 课题完成工作 | 第59-60页 |
| 5.2 存在问题与研究展望 | 第60-62页 |
| 参考文献 | 第62-67页 |
| 致谢 | 第67-68页 |
| 在学期间的研究成果及发表的学术论文 | 第68页 |
