几何特征融合的三维人脸识别研究
| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第一章 绪论 | 第11-19页 |
| 1.1 研究背景与意义 | 第11-12页 |
| 1.2 二维人脸识别的挑战与困难 | 第12-13页 |
| 1.3 三维人脸识别研究现状 | 第13-17页 |
| 1.3.1 三维人脸识别的优势 | 第14页 |
| 1.3.2 三维人脸识别步骤 | 第14-15页 |
| 1.3.3 三维人脸识别方法 | 第15-17页 |
| 1.4 课题组研究现状 | 第17-18页 |
| 1.5 本文主要研究内容及章节安排 | 第18-19页 |
| 第二章 三维人脸点云数据获取及点云去噪 | 第19-35页 |
| 2.1 三维人脸数据获取 | 第19-28页 |
| 2.1.1 引言 | 第19-20页 |
| 2.1.2 摄像机标定 | 第20-21页 |
| 2.1.3 图像采集及预处理 | 第21-23页 |
| 2.1.4 立体匹配 | 第23-26页 |
| 2.1.5 点云恢复 | 第26-28页 |
| 2.2 点云去噪 | 第28-33页 |
| 2.2.1 三维点云数据后处理 | 第28-29页 |
| 2.2.2 双边滤波技术 | 第29-32页 |
| 2.2.3 实验结果 | 第32-33页 |
| 2.3 本章小结 | 第33-35页 |
| 第三章 三维人脸模型预处理 | 第35-49页 |
| 3.1 人脸区域裁切 | 第35-36页 |
| 3.2 人脸姿态校正 | 第36-37页 |
| 3.3 三维曲面重建 | 第37-39页 |
| 3.4 三维点云配准 | 第39-47页 |
| 3.4.1 迭代最近点ICP算法 | 第39-41页 |
| 3.4.2 KD-tree算法 | 第41-44页 |
| 3.4.3 Delaunay剖分 | 第44页 |
| 3.4.4 改进的ICP算法 | 第44-46页 |
| 3.4.5 实验结果 | 第46-47页 |
| 3.5 本章小结 | 第47-49页 |
| 第四章 基于几何特征的三维人脸识别 | 第49-65页 |
| 4.1 引言 | 第49-50页 |
| 4.2 测地线距离 | 第50-51页 |
| 4.3 等距测地轮廓线提取 | 第51页 |
| 4.4 三维几何特征提取 | 第51-57页 |
| 4.4.1 几何特征提取 | 第51-53页 |
| 4.4.2 几何特征的表征 | 第53-57页 |
| 4.5 决策级融合算法 | 第57-58页 |
| 4.5.2 决策级融合 | 第57-58页 |
| 4.6 实验结果 | 第58-64页 |
| 4.6.1 数据库介绍 | 第58-60页 |
| 4.6.2 单特征识别的实验结果 | 第60-61页 |
| 4.6.3 融合的实验结果 | 第61-64页 |
| 4.7 本章小结 | 第64-65页 |
| 第五章 总结与展望 | 第65-67页 |
| 5.1 本文研究工作总结 | 第65-66页 |
| 5.2 进一步的研究和展望 | 第66-67页 |
| 参考文献 | 第67-73页 |
| 攻读硕士期间的科研成果 | 第73-75页 |
| 发表论文 | 第73页 |
| 参与项目 | 第73-75页 |
| 致谢 | 第75页 |
