基于信息融合的三维人脸识别
| 致谢 | 第1-6页 |
| 中文摘要 | 第6-7页 |
| ABSTRACT | 第7-8页 |
| 序 | 第8-12页 |
| 1 综述 | 第12-32页 |
| ·人脸识别研究背景和意义 | 第12-16页 |
| ·人脸识别概述 | 第12-13页 |
| ·人脸识别分类 | 第13页 |
| ·人脸识别应用 | 第13-14页 |
| ·人脸识别性能评估 | 第14-15页 |
| ·人脸识别基本方法 | 第15-16页 |
| ·2D人脸识别 | 第16-17页 |
| ·2D人脸识别简述 | 第16页 |
| ·2D人脸识别的挑战与困难 | 第16-17页 |
| ·3D人脸识别 | 第17-21页 |
| ·3D人脸识别的基本框架 | 第17-18页 |
| ·3D人脸数据的表示方法 | 第18-19页 |
| ·3D人脸数据库 | 第19-20页 |
| ·3D人脸识别的困难 | 第20-21页 |
| ·三维人脸识别方法综述 | 第21-28页 |
| ·基于空域信息的直接匹配 | 第22-23页 |
| ·基于局部特征的匹配 | 第23-24页 |
| ·基于整体特征的匹配 | 第24-26页 |
| ·双模态融合 | 第26-28页 |
| ·现有3D人脸识别算法的优缺点分析 | 第28-30页 |
| ·识别率 | 第28-29页 |
| ·运算速度 | 第29页 |
| ·现有算法的挑战 | 第29-30页 |
| ·本论文的主要工作 | 第30-32页 |
| 2 双模数据获取 | 第32-42页 |
| ·2D人脸预处理 | 第32-35页 |
| ·2D人脸检测 | 第32-33页 |
| ·2D图像滤波 | 第33-34页 |
| ·2D图像灰度变换 | 第34-35页 |
| ·3D人脸预处理 | 第35-42页 |
| ·人脸检测 | 第35-38页 |
| ·去除尖峰和填补孔洞 | 第38页 |
| ·归一化 | 第38-39页 |
| ·ICP配准 | 第39-42页 |
| 3 特征提取和分类器设计 | 第42-60页 |
| ·特征提取 | 第42-46页 |
| ·最近邻 | 第46页 |
| ·SVM | 第46-50页 |
| ·SVM核函数 | 第46-47页 |
| ·基于SVM的多类分类方法 | 第47-50页 |
| ·神经网络 | 第50-52页 |
| ·RBF神经网络 | 第50-52页 |
| ·RBF网络学习方法 | 第52页 |
| ·实验结果和分析 | 第52-58页 |
| ·数据集的组织 | 第52-53页 |
| ·Abs分类器 | 第53-54页 |
| ·SVM分类器 | 第54-56页 |
| ·RBF分类器 | 第56-57页 |
| ·三种分类器的比较 | 第57-58页 |
| ·本章小结 | 第58-60页 |
| 4 信息融合算法 | 第60-72页 |
| ·不同光照条件下2D和3D识别率比较 | 第60-61页 |
| ·不同表情下2D和3D识别率比较 | 第61-62页 |
| ·信息融合算法 | 第62-67页 |
| ·数据级融合 | 第63-64页 |
| ·特征级融合 | 第64-65页 |
| ·决策级融合 | 第65-67页 |
| ·实验结果和分析 | 第67-71页 |
| ·数据级融合 | 第67-68页 |
| ·特征级融合 | 第68-69页 |
| ·决策级融合 | 第69-70页 |
| ·三种融合算法的比较 | 第70-71页 |
| ·本章小结 | 第71-72页 |
| 5 总结与展望 | 第72-76页 |
| ·实验环境 | 第72页 |
| ·结果与分析 | 第72-73页 |
| ·展望 | 第73-76页 |
| 参考文献 | 第76-82页 |
| 作者简历 | 第82-86页 |
| 学位论文数据集 | 第86页 |
