| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第一章 绪论 | 第9-21页 |
| 1.1 选题背景 | 第9页 |
| 1.2 人脸识别技术 | 第9-12页 |
| 1.2.1 人脸识别技术优点 | 第9-10页 |
| 1.2.2 人脸识别流程 | 第10页 |
| 1.2.3 人脸识别技术评价指标 | 第10-11页 |
| 1.2.4 人脸识别技术分类 | 第11-12页 |
| 1.3 三维人脸识别技术 | 第12-16页 |
| 1.3.1 三维人脸采集设备以及现有识别产品概述 | 第12-13页 |
| 1.3.2 三维人脸数据的表示形式 | 第13-14页 |
| 1.3.3 公共的三维人脸数据库 | 第14-15页 |
| 1.3.4 三维人脸识别优势与挑战 | 第15-16页 |
| 1.4 三维人脸识别算法综述 | 第16-20页 |
| 1.4.1 基于整体特征的方法 | 第16-17页 |
| 1.4.2 基于局部特征的方法 | 第17-19页 |
| 1.4.3 基于整体特征与局部特征相融合的方法 | 第19页 |
| 1.4.4 基于二维和三维双模态融合的方法 | 第19-20页 |
| 1.5 论文内容概述 | 第20-21页 |
| 第二章 基于多元统计局部描述符的三维人脸识别 | 第21-39页 |
| 2.1 引言 | 第21页 |
| 2.2 相关工作 | 第21-22页 |
| 2.3 算法思路 | 第22页 |
| 2.4 三维人脸点云的预处理 | 第22-25页 |
| 2.4.1 切割人脸区域 | 第23-24页 |
| 2.4.2 平滑去噪 | 第24页 |
| 2.4.3 姿势矫正 | 第24-25页 |
| 2.5 提取关键点及其邻域 | 第25-28页 |
| 2.5.1 相关工作 | 第25页 |
| 2.5.2 侧面轮廓线提取 | 第25-26页 |
| 2.5.3 半刚性区域的确定 | 第26-28页 |
| 2.5.4 提取半刚性区域关键点并确定其邻域 | 第28页 |
| 2.6 特征提取 | 第28-31页 |
| 2.6.1 多元统计局部描述符的提出 | 第29-30页 |
| 2.6.2 协方差矩阵的构造 | 第30页 |
| 2.6.3 多元统计局部描述符的构造 | 第30-31页 |
| 2.7 带权重的多任务稀疏表示分类器 | 第31-35页 |
| 2.7.1 稀疏表示分类器 | 第31-32页 |
| 2.7.2 多任务稀疏表示分类器 | 第32-33页 |
| 2.7.2.1 构造库集字典 | 第32-33页 |
| 2.7.2.2 多任务稀疏表示 | 第33页 |
| 2.7.3 带权重的多任务稀疏表示分类器 | 第33-34页 |
| 2.7.4 稀疏标准 | 第34-35页 |
| 2.8 实验 | 第35-38页 |
| 2.8.1 不同人脸区域的对比实验 | 第35页 |
| 2.8.2 特征融合对比实验 | 第35页 |
| 2.8.3 关键点邻域特征权重的分配 | 第35-36页 |
| 2.8.4 关键点的对比实验 | 第36-37页 |
| 2.8.5 局部描述符的对比实验 | 第37-38页 |
| 2.8.6 表情鲁棒性验证 | 第38页 |
| 2.9 本章小结 | 第38-39页 |
| 第三章 基于网格纵横局部二值模式的三维人脸识别 | 第39-53页 |
| 3.1 引言 | 第39页 |
| 3.2 相关工作 | 第39-40页 |
| 3.3 算法思路 | 第40-41页 |
| 3.4 预处理 | 第41页 |
| 3.5 提取关键点及其邻域 | 第41页 |
| 3.6 网格纵横局部二值模式 | 第41-44页 |
| 3.6.1 meshLBP描述符 | 第41-42页 |
| 3.6.2 网格纵横局部二值模式 | 第42-44页 |
| 3.6.2.1 mesh-VLBP描述符 | 第43页 |
| 3.6.2.2 mesh-HLBP描述符 | 第43-44页 |
| 3.6.2.3 特征融合 | 第44页 |
| 3.7 LC-KSVD2字典学习算法 | 第44-47页 |
| 3.7.1 LC-KSVD2字典学习算法简介 | 第44-45页 |
| 3.7.2 LC-KSVD2算法的优化及参数的初始化 | 第45-46页 |
| 3.7.3 分类策略 | 第46-47页 |
| 3.8 实验 | 第47-51页 |
| 3.8.1 特征融合对比实验 | 第47页 |
| 3.8.2 局部描述符的对比实验 | 第47-48页 |
| 3.8.3 分类方法对比实验 | 第48-49页 |
| 3.8.4 表情鲁棒性验证 | 第49页 |
| 3.8.5 与其他算法的对比实验 | 第49-51页 |
| 3.9 本章小结 | 第51-53页 |
| 第四章 总结与展望 | 第53-57页 |
| 4.1 本文内容总结 | 第53-54页 |
| 4.2 本文两种算法的对比 | 第54-55页 |
| 4.3 未来工作的展望 | 第55页 |
| 4.4 结束语 | 第55-57页 |
| 致谢 | 第57-59页 |
| 参考文献 | 第59-65页 |
| 作者在攻读硕士期间发表的论文与专利及获奖 | 第65页 |