| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第1章 绪论 | 第8-16页 |
| 1.1 课题背景与研究意义 | 第8页 |
| 1.2 人脸识别的发展与面临的问题 | 第8-12页 |
| 1.2.1 人脸识别的发展 | 第9-10页 |
| 1.2.2 人脸识别面临的问题 | 第10-12页 |
| 1.3 论文的研究内容与论文结构 | 第12-16页 |
| 1.3.1 论文研究内容 | 第12-14页 |
| 1.3.2 论文结构 | 第14-16页 |
| 第2章 姿态变化的人脸识别综述 | 第16-26页 |
| 2.1 人脸识别中的姿态变化问题 | 第16页 |
| 2.2 姿态变化的人脸识别方法 | 第16-22页 |
| 2.2.1 基于姿态校正的方法 | 第17-20页 |
| 2.2.2 基于特征的方法 | 第20-22页 |
| 2.3 常用人脸数据库 | 第22-24页 |
| 2.4 本章小结 | 第24-26页 |
| 第3章 基于卷积神经网络输出概率加权的头部姿态估计 | 第26-44页 |
| 3.1 引言 | 第26-27页 |
| 3.2 softmax原理 | 第27页 |
| 3.3 基于softmax层的角度估计算法 | 第27-28页 |
| 3.4 网络模型 | 第28-31页 |
| 3.4.1 基于卷积神经网络的分类算法 | 第28-29页 |
| 3.4.2 基于微调策略的分类算法 | 第29-31页 |
| 3.5 姿态估计 | 第31页 |
| 3.5.1 基于分类的姿态估计 | 第31页 |
| 3.5.2 基于输出概率加权的姿态估计 | 第31页 |
| 3.6 实验 | 第31-42页 |
| 3.6.1 数据分析及预处理 | 第31-33页 |
| 3.6.2 实验设置及网络训练 | 第33-37页 |
| 3.6.3 实验结果与分析 | 第37-42页 |
| 3.7 本章小结 | 第42-44页 |
| 第4章 基于单样本的姿态变化人脸识别 | 第44-60页 |
| 4.1 基于单样本的姿态变化的人脸识别框架 | 第44-45页 |
| 4.2 基于 3D模型构造的虚拟姿态人脸图像生成算法 | 第45-49页 |
| 4.2.1 算法流程 | 第46-47页 |
| 4.2.2 基于 3DMM的不同姿态人脸合成 | 第47-49页 |
| 4.3 Asift与SSIM相结合的人脸识别算法 | 第49-53页 |
| 4.3.1 基于ASIFT的人脸特征点匹配 | 第49-51页 |
| 4.3.2 SSIM原理 | 第51-52页 |
| 4.3.3 基于SSIM的人脸图像相似度计算 | 第52-53页 |
| 4.4 实验与分析 | 第53-58页 |
| 4.4.1 基于 3DMM的虚拟人脸图像生成 | 第53-56页 |
| 4.4.2 人脸识别 | 第56-58页 |
| 4.5 本章小结 | 第58-60页 |
| 结论 | 第60-62页 |
| 参考文献 | 第62-66页 |
| 攻读硕士学位期间发表的学术论文 | 第66-68页 |
| 致谢 | 第68页 |