| 致谢 | 第7-8页 |
| 摘要 | 第8-9页 |
| ABSTRACT | 第9-10页 |
| 第一章 绪论 | 第15-25页 |
| 1.1 引言 | 第15-16页 |
| 1.2 国内外研究现状 | 第16-17页 |
| 1.3 人脸数据库 | 第17-19页 |
| 1.4 人脸识别性能指标 | 第19-20页 |
| 1.5 三维人脸识别的流程 | 第20-21页 |
| 1.6 三维人脸识别技术的优势与挑战 | 第21-23页 |
| 1.7 本文主要工作及创新点 | 第23-25页 |
| 第二章 三维人脸的采集和预处理 | 第25-33页 |
| 2.1 引言 | 第25-26页 |
| 2.2 三维人脸的采集获取 | 第26-28页 |
| 2.2.1 三维人脸的采集方式 | 第26-27页 |
| 2.2.2 三维人脸模型的数据形式 | 第27-28页 |
| 2.3 三维人脸的预处理 | 第28-32页 |
| 2.3.1 三维人脸的分割 | 第28-29页 |
| 2.3.2 平滑去噪 | 第29-31页 |
| 2.3.3 姿态归一化 | 第31-32页 |
| 2.3.4 三维网格三角化 | 第32页 |
| 2.4 本章小结 | 第32-33页 |
| 第三章 基于Mesh-LBP的三维人脸特征提取 | 第33-50页 |
| 3.1 引言 | 第33页 |
| 3.2 二维LBP模式 | 第33-38页 |
| 3.2.1 基本的二维LBP模式 | 第33-34页 |
| 3.2.2 圆形LBP算子 | 第34-36页 |
| 3.2.3 均匀模式LBP(uniform LBP) | 第36页 |
| 3.2.4 旋转不变模式LBP | 第36-37页 |
| 3.2.5 改进的二维拉普拉斯LBP模式 | 第37-38页 |
| 3.3 三维局部二值模式及改进 | 第38-44页 |
| 3.4 实验:三维人脸的特征提取实验 | 第44-49页 |
| 3.5 本章小结 | 第49-50页 |
| 第四章 基于Mesh-LBP的三维人脸识别 | 第50-63页 |
| 4.0 引言 | 第50页 |
| 4.1 几种常见的相似性度量 | 第50-51页 |
| 4.2 支持向量机理论基础 | 第51-56页 |
| 4.2.1 线性可分的支持向量机 | 第52-54页 |
| 4.2.2 线性不可分的支持向量机 | 第54-55页 |
| 4.2.3 容错性 | 第55-56页 |
| 4.3 常用的核函数 | 第56页 |
| 4.4 支持向量机多分类 | 第56-58页 |
| 4.5 SVM的计算复杂度 | 第58-59页 |
| 4.6 实验:基于支持向量机的三维人脸识别 | 第59-62页 |
| 4.7 本章总结 | 第62-63页 |
| 第五章 总结与展望 | 第63-65页 |
| 5.1 本文工作总结 | 第63页 |
| 5.2 未来工作展望 | 第63-65页 |
| 参考文献 | 第65-70页 |
| 攻读硕士学位期间的学术活动及成果情况 | 第70-71页 |