| 摘要 | 第6-7页 |
| Abstract | 第7-8页 |
| 第一章 引言 | 第9-17页 |
| 1.1 研究背景及意义 | 第9-10页 |
| 1.2 人脸识别的国内外研究现状 | 第10-14页 |
| 1.2.1 二维人脸识别方法及研究现状 | 第10-12页 |
| 1.2.2 三维人脸识别方法及研究现状 | 第12-14页 |
| 1.3 论文研究内容及创新点 | 第14-15页 |
| 1.3.1 论文研究内容 | 第14-15页 |
| 1.3.2 论文创新点与特色 | 第15页 |
| 1.4 论文结构安排 | 第15-16页 |
| 1.5 本章小结 | 第16-17页 |
| 第二章 人脸库与预处理 | 第17-27页 |
| 2.1 人脸数据库介绍 | 第17-18页 |
| 2.1.1 2D人脸库 | 第17-18页 |
| 2.1.2 3D人脸库 | 第18页 |
| 2.2 数据预处理 | 第18-26页 |
| 2.2.1 二维人脸配准 | 第19-20页 |
| 2.2.2 三维人脸的深度图像提取 | 第20-23页 |
| 2.2.3 尺寸归一化 | 第23-24页 |
| 2.2.4 数据增强 | 第24页 |
| 2.2.5 高斯梯度图像提取 | 第24-26页 |
| 2.3 本章小结 | 第26-27页 |
| 第三章 双通道卷积神经网络的建立 | 第27-41页 |
| 3.1 卷积神经网络基本原理 | 第27-31页 |
| 3.1.1 局部感知和权值共享 | 第27-28页 |
| 3.1.2 特征提取层 | 第28-29页 |
| 3.1.3 特征映射层 | 第29-31页 |
| 3.1.4 卷积神经网络特征分析 | 第31页 |
| 3.2 经典的卷积神经网络结构 | 第31-35页 |
| 3.2.1 AlexNet | 第31-32页 |
| 3.2.2 VggNet | 第32-33页 |
| 3.2.3 GoogleNet、ResNet、SeNet | 第33-34页 |
| 3.2.4 常用开发框架 | 第34-35页 |
| 3.3 双通道网络的建立 | 第35-40页 |
| 3.3.1 双通道卷积神经网络 | 第35-38页 |
| 3.3.2 Softmax分类 | 第38-39页 |
| 3.3.3 特征融合方式 | 第39-40页 |
| 3.4 本章小结 | 第40-41页 |
| 第四章 实验测试与数据分析 | 第41-51页 |
| 4.1 三维人脸实验设置与对比算法介绍 | 第41-42页 |
| 4.2 三维人脸实验结果分析 | 第42-45页 |
| 4.3 二维人脸实验设置与对比算法介绍 | 第45-46页 |
| 4.4 二维人脸实验结果分析 | 第46-49页 |
| 4.5 本章小结 | 第49-51页 |
| 第五章 总结与展望 | 第51-53页 |
| 5.1 论文总结 | 第51页 |
| 5.2 论文展望 | 第51-53页 |
| 致谢 | 第53-55页 |
| 参考文献 | 第55-63页 |
| 攻读硕士期间已发表的学术论文 | 第63页 |
| 攻读硕士期间参加的科研项目 | 第63页 |