| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 1 绪论 | 第9-13页 |
| 1.1 国内外研究现状 | 第10-12页 |
| 1.2 课题研究内容 | 第12页 |
| 1.3 本章小结 | 第12-13页 |
| 2 人脸识别 | 第13-18页 |
| 2.1 引言 | 第13-14页 |
| 2.2 二维人脸识别 | 第14-15页 |
| 2.2.1 二维人脸识别简述 | 第14页 |
| 2.2.2 二维人脸识别的难点 | 第14-15页 |
| 2.3 三维人脸识别 | 第15-17页 |
| 2.3.2 三维人脸识别的优势 | 第16页 |
| 2.3.3 三维人脸识别的难点 | 第16-17页 |
| 2.4 本章小结 | 第17-18页 |
| 3 三维人脸的采集与建模 | 第18-27页 |
| 3.1 三维人脸采集 | 第18-20页 |
| 3.1.1 采集的环境 | 第18页 |
| 3.1.2 采集的方案 | 第18-19页 |
| 3.1.3 实验分析 | 第19-20页 |
| 3.2 基于融合SFS和LMM的三维建模方法 | 第20-25页 |
| 3.2.1 SFS快速恢复三维轮廓脸 | 第21页 |
| 3.2.2 局部形变处理人脸 | 第21-23页 |
| 3.2.3 三维人脸模型生成 | 第23-25页 |
| 3.3 三维人脸模型与二维人脸比对 | 第25-26页 |
| 3.4 本章小结 | 第26-27页 |
| 4 基于三维人脸的视频目标识别 | 第27-47页 |
| 4.1 基于sift的人脸局部特征提取方法 | 第27-35页 |
| 4.1.1 生成图像DoG尺度空间 | 第27-29页 |
| 4.1.2 特征点搜索 | 第29-32页 |
| 4.1.3 生成特征描述子 | 第32-34页 |
| 4.1.4 图像特征点匹配 | 第34-35页 |
| 4.2 基于PCA的SIFT改进特征提取算法 | 第35-38页 |
| 4.2.1 原匹配算法的特征点描述子 | 第35-36页 |
| 4.2.2 基于PCA降维处理的特征点描述子改进算法 | 第36-38页 |
| 4.3 仿真实验及结果分析 | 第38-46页 |
| 4.3.1 视频人脸捕捉 | 第39-40页 |
| 4.3.2 视频人脸检测 | 第40-41页 |
| 4.3.3 视频人脸识别 | 第41页 |
| 4.3.4 实验比对分析 | 第41-46页 |
| 4.4 本章小结 | 第46-47页 |
| 5 总结与展望 | 第47-49页 |
| 5.1 总结 | 第47页 |
| 5.2 展望 | 第47-49页 |
| 参考文献 | 第49-52页 |
| 读硕期间发表的论文目录 | 第52-53页 |
| 后记/致谢 | 第53-54页 |