基于深度图像的三维人脸特征提取
| 致谢 | 第1-6页 |
| 中文摘要 | 第6-7页 |
| ABSTRACT | 第7-9页 |
| 序 | 第9-12页 |
| 1 综述 | 第12-26页 |
| ·人脸识别的研究背景 | 第12-13页 |
| ·三维人脸识别的提出 | 第13页 |
| ·三维人脸识别的研究概况 | 第13-15页 |
| ·三维人脸识别的优势 | 第14页 |
| ·三维人脸识别的困难 | 第14-15页 |
| ·三维人脸特征提取的主要方法 | 第15-24页 |
| ·基于局部特征的方法 | 第15-22页 |
| ·基于整体特征的方法 | 第22-24页 |
| ·本论文的研究切入点 | 第24-25页 |
| ·本论文的内容与结构安排 | 第25-26页 |
| 2 三维人脸的获取与预处理 | 第26-48页 |
| ·引言 | 第26页 |
| ·三维人脸数据的获取 | 第26-37页 |
| ·基于物理装置的数据获取 | 第27-29页 |
| ·基于多幅图像的数据获取 | 第29-31页 |
| ·国内外主要三维人脸数据库的介绍 | 第31-34页 |
| ·本文采用的三维人脸数据库 | 第34-37页 |
| ·三维人脸数据的主要表达形式 | 第37页 |
| ·三维人脸的预处理 | 第37-46页 |
| ·脸部提取 | 第37-39页 |
| ·脸部标志点定位 | 第39-41页 |
| ·脸部网格裁剪 | 第41-42页 |
| ·本文采用的三维人脸数据预处理方法 | 第42-46页 |
| ·本章小结 | 第46-48页 |
| 3 三维人脸特征提取方法及研究 | 第48-68页 |
| ·引言 | 第48页 |
| ·主成分分析法 | 第48-55页 |
| ·主成分分析方法的数学原理 | 第49-51页 |
| ·主成分分析方法在人脸特征提取上的应用 | 第51-55页 |
| ·基于流形学习的特征提取 | 第55-64页 |
| ·流形与流形学习 | 第56-57页 |
| ·等距映射 | 第57-58页 |
| ·局部线性嵌入(LLE)算法 | 第58-60页 |
| ·拉普拉斯映射方法 | 第60-62页 |
| ·局部保持投影(LPP)算法 | 第62-64页 |
| ·最近邻分类器 | 第64-66页 |
| ·本章小结 | 第66-68页 |
| 4 实验内容与结果分析 | 第68-84页 |
| ·实验介绍 | 第68页 |
| ·实验内容 | 第68-79页 |
| ·实验环境 | 第68-69页 |
| ·三维人脸图像的预处理 | 第69-72页 |
| ·基于深度图像的特征提取 | 第72-73页 |
| ·人脸的识别与分类 | 第73页 |
| ·实验界面 | 第73-79页 |
| ·实验结果与分析 | 第79-82页 |
| ·本章小结 | 第82-84页 |
| 5 总结与展望 | 第84-86页 |
| ·论文总结 | 第84-85页 |
| ·工作展望 | 第85-86页 |
| 参考文献 | 第86-90页 |
| 作者简历 | 第90-94页 |
| 学位论文数据集 | 第94页 |
