基于Kinect的三维人脸识别系统研究
| 中文摘要 | 第3-4页 |
| 英文摘要 | 第4-8页 |
| 1 绪论 | 第8-17页 |
| 1.1 研究背景及意义 | 第8-9页 |
| 1.2 国内外研究现状 | 第9-15页 |
| 1.2.1 人脸识别技术研究概况 | 第9-11页 |
| 1.2.2 三维人脸识别研究主要方法 | 第11-15页 |
| 1.2.3 三维人脸识别面临的挑战 | 第15页 |
| 1.3 本文主要研究内容和结构安排 | 第15-17页 |
| 1.3.1 本文主要内容 | 第15-16页 |
| 1.3.2 论文结构安排 | 第16-17页 |
| 2 基于Kinect的人脸检测及预处理方法研究 | 第17-37页 |
| 2.1 Kinect介绍 | 第17-22页 |
| 2.1.1 Kinect相关背景知识 | 第17-18页 |
| 2.1.2 Kinect深度图获取原理 | 第18-20页 |
| 2.1.3 Kinect深度图校准 | 第20-22页 |
| 2.2 基于Kinect的人脸检测方法 | 第22-32页 |
| 2.2.1 Adaboost人脸检测算法 | 第22-28页 |
| 2.2.2 人脸肤色模型 | 第28-32页 |
| 2.2.3 人脸深度判据 | 第32页 |
| 2.3 人脸检测算法总体设计 | 第32-34页 |
| 2.4 深度图像预处理 | 第34-36页 |
| 2.5 本章小结 | 第36-37页 |
| 3 深度图像特征提取与识别方法研究 | 第37-53页 |
| 3.1 基于改进 3DLBP的特征提取方法 | 第37-43页 |
| 3.1.1 LBP算子 | 第37-38页 |
| 3.1.2 3DLBP算子 | 第38-39页 |
| 3.1.3 改进 3DLBP算子 | 第39-43页 |
| 3.2 k-NN分类器 | 第43-44页 |
| 3.3 实验结果与分析 | 第44-51页 |
| 3.3.1 深度人脸数据集 | 第45-47页 |
| 3.3.2 实验结果与结论 | 第47-51页 |
| 3.4 本章小结 | 第51-53页 |
| 4 基于Kinect的三维人脸识别系统 | 第53-59页 |
| 4.1 软件系统总体设计 | 第53-55页 |
| 4.1.1 算法总体设计 | 第53-54页 |
| 4.1.2 软件系统实现 | 第54-55页 |
| 4.2 软件界面设计 | 第55-57页 |
| 4.2.1 三维人脸注册模块 | 第55-56页 |
| 4.2.2 深度特征提取模块 | 第56页 |
| 4.2.3 三维人脸识别模块 | 第56-57页 |
| 4.3 软件系统动态实验及分析 | 第57-58页 |
| 4.4 本章小结 | 第58-59页 |
| 5 总结与展望 | 第59-61页 |
| 5.1 总结 | 第59页 |
| 5.2 研究展望 | 第59-61页 |
| 参考文献 | 第61-65页 |
| 附录 | 第65-66页 |
| A 作者在攻读学位期间发表的论文目录 | 第65页 |
| B 作者在攻读学位期间取得的科研成果目录 | 第65页 |
| C 学位论文数据集 | 第65-66页 |
| 致谢 | 第66-67页 |
