基于面部照片的三维人脸重构方法研究
| 摘要 | 第4-5页 |
| abstract | 第5-6页 |
| 1 绪论 | 第9-19页 |
| 1.1 课题研究背景及意义 | 第9-10页 |
| 1.2 相关技术研究现状 | 第10-15页 |
| 1.2.1 三维人脸模型重建方法 | 第10-11页 |
| 1.2.2 人脸特征点定位方法 | 第11-13页 |
| 1.2.3 深度估计方法 | 第13-15页 |
| 1.3 论文研究内容 | 第15-16页 |
| 1.4 课题设计路线 | 第16页 |
| 1.5 论文组织结构 | 第16-19页 |
| 2 面部特征点定位 | 第19-25页 |
| 2.1 常用人脸特征点定位方法 | 第19-20页 |
| 2.1.1 主动外观模型 | 第19页 |
| 2.1.2 主动形状模型 | 第19-20页 |
| 2.2 基于主动形状模型的人脸特征点定位 | 第20-24页 |
| 2.2.1 人脸特征点选取 | 第20-21页 |
| 2.2.2 建立全局形状模型 | 第21页 |
| 2.2.3 建立局部纹理模型 | 第21-22页 |
| 2.2.4 ASM搜索定位过程 | 第22-24页 |
| 2.3 实验结果 | 第24页 |
| 2.4 本章小结 | 第24-25页 |
| 3 应用神经网络方法估计面部深度信息 | 第25-31页 |
| 3.1 BP神经网络 | 第25页 |
| 3.2 建立网络结构 | 第25-27页 |
| 3.3 结果与讨论 | 第27-29页 |
| 3.4 本章小结 | 第29-31页 |
| 4 应用近邻加权方法估计面部深度信息 | 第31-37页 |
| 4.1 算法原理 | 第31-32页 |
| 4.1.1 最近邻法 | 第31页 |
| 4.1.2 近邻加权法 | 第31-32页 |
| 4.2 实验过程及结果 | 第32-34页 |
| 4.3 神经网络与近邻加权方法性能比较 | 第34-35页 |
| 4.4 本章小结 | 第35-37页 |
| 5 三维人脸模型建立 | 第37-47页 |
| 5.1 Candide-3模型介绍 | 第37-38页 |
| 5.2 平均人脸模型全局调整 | 第38-44页 |
| 5.2.1 缩放因子计算与模型粗略匹配 | 第38-40页 |
| 5.2.2 特征点调整 | 第40-42页 |
| 5.2.3 非特征点调整 | 第42-44页 |
| 5.2.4 人脸三维网格模型二次平滑处理 | 第44页 |
| 5.3 重建结果演示 | 第44-46页 |
| 5.3.1 重建结果 | 第44页 |
| 5.3.2 平滑处理前后重建模型对比 | 第44-46页 |
| 5.3.3 与其它重建方法对比 | 第46页 |
| 5.4 本章小结 | 第46-47页 |
| 6 总结与展望 | 第47-49页 |
| 6.1 总结 | 第47页 |
| 6.2 展望 | 第47-49页 |
| 参考文献 | 第49-55页 |
| 附录 | 第55-65页 |
| 附录1 公开发表文章与硕士论文的关系 | 第55-57页 |
| 附录2 面部特征点定位核心算法 | 第57-59页 |
| 附录3 神经网络估计深度值核心算法 | 第59-63页 |
| 附录4 近邻加权估计深度值核心算法 | 第63-65页 |
| 攻读学位期间发表文章 | 第65-67页 |
| 致谢 | 第67页 |
