| 摘要 | 第3-4页 |
| Abstract | 第4-5页 |
| 1 绪论 | 第8-14页 |
| 1.1 研究背景与意义 | 第8页 |
| 1.2 国内外研究现状 | 第8-12页 |
| 1.2.1 基于姿态校正的方法 | 第9-10页 |
| 1.2.2 基于生成虚拟多视图的方法 | 第10-11页 |
| 1.2.3 现存的问题及难点 | 第11-12页 |
| 1.3 本文主要工作及章节安排 | 第12-14页 |
| 1.3.1 本文主要工作 | 第12页 |
| 1.3.2 本文章节安排 | 第12-14页 |
| 2 基于线性回归算法与支持向量机相结合的人脸识别方法 | 第14-26页 |
| 2.1 线性回归算法概述 | 第14-16页 |
| 2.1.1 最小二乘法 | 第14页 |
| 2.1.2 基于multi-AAM算法的人脸对齐 | 第14-15页 |
| 2.1.3 基于线性回归算法的人脸估计 | 第15-16页 |
| 2.2 支持向量机概述 | 第16-18页 |
| 2.2.1 SVM的二分类问题 | 第16-18页 |
| 2.2.2 SVM的多分类问题 | 第18页 |
| 2.3 基于线性回归算法与支持向量机相结合的人脸识别方法 | 第18-20页 |
| 2.4 实验结果及分析 | 第20-24页 |
| 2.4.1 实验数据库及人脸数据预处理 | 第20-22页 |
| 2.4.2 人脸姿态校正实验 | 第22-23页 |
| 2.4.3 本章方法识别性能实验 | 第23-24页 |
| 2.5 本章小结 | 第24-26页 |
| 3 基于单张三维人脸重建生成虚拟多视图的人脸识别方法 | 第26-38页 |
| 3.1 基于几何信息的平面模板重采样 | 第26-31页 |
| 3.1.1 基于几何信息的人脸分割 | 第27-29页 |
| 3.1.2 建立平面模板 | 第29页 |
| 3.1.3 重采样 | 第29-31页 |
| 3.2 基于稀疏形变模型的三维人脸重建 | 第31-33页 |
| 3.2.1 形变模型原理 | 第31-32页 |
| 3.2.2 稀疏形变模型原理 | 第32-33页 |
| 3.3 实验结果与分析 | 第33-36页 |
| 3.3.1 三维人脸数据库及数据预处理 | 第33-34页 |
| 3.3.2 三维人脸重建结果 | 第34-35页 |
| 3.3.3 本文方法识别性能实验 | 第35-36页 |
| 3.4 本章小结 | 第36-38页 |
| 4 系统与实现 | 第38-44页 |
| 4.1 系统模块框架 | 第38-39页 |
| 4.2 系统实现 | 第39-41页 |
| 4.3 系统运行环境 | 第41页 |
| 4.4 本章小结 | 第41-44页 |
| 5 总结与展望 | 第44-46页 |
| 5.1 总结 | 第44-45页 |
| 5.2 研究展望 | 第45-46页 |
| 致谢 | 第46-48页 |
| 参考文献 | 第48-52页 |
| 附录 | 第52页 |
