摘要 | 第5-6页 |
ABSTRACT | 第6-7页 |
第一章 绪论 | 第11-15页 |
1.1 研究工作的背景与意义 | 第11页 |
1.2 人脸识别的国内外研究历史与现状 | 第11-13页 |
1.3 本文的主要贡献与创新 | 第13页 |
1.4 本论文的结构组织安排 | 第13-15页 |
第二章 人脸匹配相关基础知识 | 第15-26页 |
2.1 人脸匹配中常用的基础算法 | 第15-21页 |
2.1.1 LBP特征提取方法 | 第15-17页 |
2.1.2 Gabor特征提取方法 | 第17-18页 |
2.1.3 PCA降维方法 | 第18-19页 |
2.1.4 Kmeans聚类方法 | 第19-21页 |
2.2 人脸检测方法 | 第21-22页 |
2.3 人脸对齐方法 | 第22-24页 |
2.3.1 点分布模型 | 第22页 |
2.3.2 基于优化理论的人脸对齐方法 | 第22-23页 |
2.3.3 基于回归理论的人脸对齐方法 | 第23-24页 |
2.4 人脸匹配方法 | 第24-25页 |
2.4.1 基于子空间的人脸匹配方法 | 第24-25页 |
2.4.2 基于深度学习的人脸匹配方法 | 第25页 |
2.5 本章小结 | 第25-26页 |
第三章 基于 3D形状参数回归的人脸对齐算法研究 | 第26-41页 |
3.1 3D人脸形状的三维空间建立 | 第26-28页 |
3.2 3D人脸形状的变换 | 第28-32页 |
3.2.1 3D人脸形状的三维空间变换 | 第28-30页 |
3.2.2 3D正脸形状的结构变换 | 第30-32页 |
3.3 3D形状参数回归算法思想 | 第32-34页 |
3.4 3D形状参数回归学习过程 | 第34-39页 |
3.4.1 训练样本数据预处理 | 第34-35页 |
3.4.2 3D形状参数回归量学习 | 第35-37页 |
3.4.3 特征选取与特性定位方法 | 第37-39页 |
3.5 3D形状参数回归对齐过程 | 第39-40页 |
3.6 本章小结 | 第40-41页 |
第四章 人脸语义特征提取及分类技术 | 第41-61页 |
4.1 数据预处理 | 第42-44页 |
4.2 人脸部件形状特征语义化 | 第44-55页 |
4.2.1 眼睛形状模型建立与语义分类 | 第44-46页 |
4.2.2 眉毛形状模型建立与语义分类 | 第46-48页 |
4.2.3 鼻子形状模型建立与语义分类 | 第48-50页 |
4.2.4 嘴巴形状模型建立与语义分类 | 第50-51页 |
4.2.5 轮廓形状模型建立与语义分类 | 第51-53页 |
4.2.6 人脸布局模型建立与语义分类 | 第53-55页 |
4.3 人脸部件纹理特征提取及分类 | 第55-60页 |
4.3.1 基于LBP+Gabor的纹理特征提取方法 | 第55-56页 |
4.3.2 基于Kmeans的人脸语义分类方法 | 第56-57页 |
4.3.3 眼睛纹理特征提取及语义分类 | 第57-58页 |
4.3.4 眉毛纹理特征提取及语义分类 | 第58-59页 |
4.3.5 鼻子纹理特征提取及语义分类 | 第59页 |
4.3.6 嘴巴纹理特征提取及语义分类 | 第59-60页 |
4.4 本章小结 | 第60-61页 |
第五章 基于语义特征的人脸匹配算法设计 | 第61-65页 |
5.1 人脸匹配算法流程图 | 第61-62页 |
5.2 语义特征编码 | 第62-63页 |
5.3 逻辑回归分类 | 第63-64页 |
5.4 本章小结 | 第64-65页 |
第六章 算法实现与实验结果分析 | 第65-73页 |
6.1 人脸对齐实验分析 | 第65-68页 |
6.1.1 数据库介绍与参数设定 | 第65-66页 |
6.1.2 实验对比与结果分析 | 第66-68页 |
6.2 人脸匹配实验分析 | 第68-71页 |
6.2.1 数据库介绍与预处理 | 第68-69页 |
6.2.2 实验系数设定 | 第69-70页 |
6.2.3 实验对比与结果分析 | 第70-71页 |
6.3 人脸匹配系统实现 | 第71-72页 |
6.4 本章小结 | 第72-73页 |
第七章 全文总结与展望 | 第73-75页 |
7.1 全文总结 | 第73-74页 |
7.2 后续工作展望 | 第74-75页 |
致谢 | 第75-76页 |
参考文献 | 第76-80页 |
攻读硕士学位期间取得的成果 | 第80-81页 |