| 摘要 | 第1-5页 |
| Abstract | 第5-12页 |
| 第一章 绪论 | 第12-16页 |
| ·研究背景及意义 | 第12-13页 |
| ·论文的定位和研究思路 | 第13-15页 |
| ·论文的内容和结构 | 第15-16页 |
| 第二章 三维人脸识别研究 | 第16-26页 |
| ·引言 | 第16页 |
| ·三维人脸识别系统框架 | 第16-17页 |
| ·三维人脸识别算法现状 | 第17-20页 |
| ·基于网格模型的识别算法 | 第17-19页 |
| ·基于深度图像的识别算法 | 第19-20页 |
| ·三维人脸识别研究面临的难点 | 第20-21页 |
| ·本文采用的方法 | 第21-22页 |
| ·特征提取 | 第21-22页 |
| ·支持向量机分类 | 第22页 |
| ·涉及数据库及其预处理 | 第22-26页 |
| ·本文涉及的数据库 | 第22-24页 |
| ·数据库预处理 | 第24-26页 |
| 第三章 基于三维人脸轮廓线的Gabor小波特征提取方法 | 第26-40页 |
| ·引言 | 第26页 |
| ·轮廓线提取 | 第26-31页 |
| ·基于轮廓线的识别算法 | 第26-27页 |
| ·三维人脸轮廓线提取 | 第27-31页 |
| ·Gabor小波变换 | 第31-35页 |
| ·Gabor滤波器 | 第31-32页 |
| ·一维Gabor小波变换 | 第32-35页 |
| ·基于轮廓线的一维Gabor小波特征提取 | 第35-38页 |
| ·本文选择的一维Gabor核函数 | 第35-37页 |
| ·轮廓线的Gabor小波特征 | 第37-38页 |
| ·本章小结 | 第38-40页 |
| 第四章 基于支持向量机的人脸识别 | 第40-54页 |
| ·引言 | 第40页 |
| ·支持向量机介绍 | 第40-46页 |
| ·理论基础 | 第40-42页 |
| ·线性支持向量机 | 第42-44页 |
| ·非线性支持向量机 | 第44-45页 |
| ·模型选择 | 第45-46页 |
| ·多分类支持向量机 | 第46-48页 |
| ·多分类支持向量机介绍 | 第46-47页 |
| ·现有多类支持向量机算法 | 第47-48页 |
| ·LibSVM用于人脸识别 | 第48-53页 |
| ·关于LibSVM工具 | 第49页 |
| ·LibSVM应用 | 第49-51页 |
| ·部分人脸样本训练与测试数据 | 第51-53页 |
| ·本章小结 | 第53-54页 |
| 第五章 三维人脸识别系统设计与实现 | 第54-62页 |
| ·识别系统框架 | 第54-55页 |
| ·识别系统的性能 | 第55-56页 |
| ·识别系统的设计与实现 | 第56-61页 |
| ·特征提取结果及分析 | 第56-58页 |
| ·分类实验结果及分析 | 第58-61页 |
| ·本章小结 | 第61-62页 |
| 第六章 总结与展望 | 第62-66页 |
| ·本文工作总结 | 第62-63页 |
| ·本文创新之处 | 第63页 |
| ·未来工作展望 | 第63-66页 |
| 参考文献 | 第66-70页 |
| 攻硕期间参加的科研工作及发表的论文 | 第70-71页 |
| 致谢 | 第71页 |