| 摘要 | 第4-5页 |
| abstract | 第5-6页 |
| 第1章 绪论 | 第12-20页 |
| 1.1 研究背景及意义 | 第12-13页 |
| 1.2 国内外研究现状 | 第13-16页 |
| 1.2.1 三维人脸重建的研究现状 | 第13页 |
| 1.2.2 国外研究现状 | 第13-15页 |
| 1.2.3 国内研究现状 | 第15-16页 |
| 1.3 三维人脸重建的应用与发展趋势 | 第16-18页 |
| 1.4 本文主要研究内容与结构安排 | 第18-20页 |
| 1.4.1 主要研究内容 | 第18页 |
| 1.4.2 结构安排 | 第18-20页 |
| 第2章 三维人脸重建基本原理与算法 | 第20-30页 |
| 2.1 三维人脸重建算法的特点 | 第20-21页 |
| 2.2 基于形变模型的三维人脸重建算法 | 第21-24页 |
| 2.3 基于明暗变化的三维人脸重建算法 | 第24-27页 |
| 2.4 国内外知名三维人脸数据库 | 第27-29页 |
| 2.5 本章小节 | 第29-30页 |
| 第3章 融合ESDM的 3D密集人脸特征点提取算法 | 第30-50页 |
| 3.1 3DDFA算法的基本原理 | 第30-36页 |
| 3.1.1 3DDFA算法中的 3D形变模型 | 第30-31页 |
| 3.1.2 3DDFA算法的网络结构 | 第31-33页 |
| 3.1.3 3DDFA算法中投影归一化坐标 | 第33-34页 |
| 3.1.4 3DDFA算法的损失函数计算模型 | 第34-35页 |
| 3.1.5 3DDFA算法的优缺点 | 第35-36页 |
| 3.2 ESDM算法的原理分析 | 第36-43页 |
| 3.2.1 SDM算法的基本原理 | 第36-39页 |
| 3.2.2 SDM算法的实现步骤 | 第39-40页 |
| 3.2.3 扩展SDM的ESDM算法 | 第40-42页 |
| 3.2.4 ESDM算法的优点 | 第42-43页 |
| 3.3 融合ESDM的 3DDFA算法 | 第43-48页 |
| 3.3.1 3DDFA-ESDM新算法的提出 | 第43页 |
| 3.3.2 3DDFA-ESDM算法的基本原理 | 第43-46页 |
| 3.3.3 3DDFA-ESDM算法的实现步骤 | 第46-48页 |
| 3.4 本章小结 | 第48-50页 |
| 第4章 基于自遮挡的三维人脸重建算法 | 第50-62页 |
| 4.1 级联线性回归模型分析 | 第50-51页 |
| 4.2 回归框架下的三维人脸重建算法 | 第51-55页 |
| 4.2.1 回归框架下的三维人脸重建算法的原理 | 第51-53页 |
| 4.2.2 训练回归模型 | 第53-54页 |
| 4.2.3 回归框架下三维人脸重建结果分析 | 第54-55页 |
| 4.3 基于自遮挡的三维人脸重建算法 | 第55-60页 |
| 4.3.1 基于自遮挡的三维人脸重建算法的提出 | 第55-56页 |
| 4.3.2 级联回归模型的原理 | 第56-58页 |
| 4.3.3 模型训练初始化 | 第58-59页 |
| 4.3.4 基于自遮挡的三维人脸重建算法的基本实现步骤 | 第59-60页 |
| 4.4 本章小结 | 第60-62页 |
| 第5章 实验结果与分析 | 第62-74页 |
| 5.1 算法的评估方法 | 第62-64页 |
| 5.1.1 实验结果准确度评价 | 第62-63页 |
| 5.1.2 实验数据集 | 第63-64页 |
| 5.2 三维人脸重建结果及分析 | 第64-73页 |
| 5.2.1 3DDFA-ESDM算法实验结果及分析 | 第64-69页 |
| 5.2.2 基于自遮挡的三维人脸重建算法实验结果及分析 | 第69-73页 |
| 5.3 本章小结 | 第73-74页 |
| 第6章 结论与展望 | 第74-76页 |
| 6.1 结论 | 第74-75页 |
| 6.2 进一步工作的方向 | 第75-76页 |
| 致谢 | 第76-78页 |
| 参考文献 | 第78-82页 |
