| 摘要 | 第5-6页 |
| ABSTRACT | 第6页 |
| 第一章 绪论 | 第9-23页 |
| 1.1 选题背景 | 第9-10页 |
| 1.2 人脸特征点定位 | 第10-12页 |
| 1.2.1 人脸特征点定位在人脸识别中的应用 | 第10页 |
| 1.2.2 人脸特征点定位的困难 | 第10-11页 |
| 1.2.3 人脸特征点定位文献综述 | 第11-12页 |
| 1.3 人脸识别技术 | 第12-13页 |
| 1.3.1 二维人脸识别技术 | 第12页 |
| 1.3.2 三维人脸识别技术的兴起 | 第12-13页 |
| 1.4 三维人脸识别技术 | 第13-17页 |
| 1.4.1 三维人脸数据形式 | 第13-14页 |
| 1.4.2 常见的三维人脸数据库 | 第14页 |
| 1.4.3 三维人脸识别流程 | 第14-15页 |
| 1.4.4 三维人脸识别技术的应用场景 | 第15页 |
| 1.4.5 三维人脸识别评价指标 | 第15-16页 |
| 1.4.6 三维人脸识别技术面临的挑战 | 第16-17页 |
| 1.5 三维人脸识别算法综述 | 第17-20页 |
| 1.5.1 基于局部特征匹配的方法 | 第17-18页 |
| 1.5.2 基于整体特征匹配的方法 | 第18-19页 |
| 1.5.3 基于整体和局部相结合的方法 | 第19-20页 |
| 1.5.4 基于二维和三维的双模态融合方法 | 第20页 |
| 1.6 本文研究内容 | 第20-23页 |
| 第二章 基于ASM+GWT的人脸特征点精确定位 | 第23-37页 |
| 2.1 引言 | 第23页 |
| 2.2 算法提出 | 第23页 |
| 2.3 基本术语介绍 | 第23-24页 |
| 2.4 预处理 | 第24-26页 |
| 2.4.1 二维图像的白平衡处理 | 第24-25页 |
| 2.4.2 三维点云的预处理 | 第25-26页 |
| 2.5 人脸特征点粗定位 | 第26-29页 |
| 2.5.1 二维和三维人脸上的ASM算法 | 第26-29页 |
| 2.6 人脸特征点精确定位 | 第29-32页 |
| 2.6.1 Gabor小波包 | 第29-31页 |
| 2.6.2 Gabor小波包集和Gabor小波束集 | 第31-32页 |
| 2.6.3 特征点精确定位步骤 | 第32页 |
| 2.7 实验结果与分析 | 第32-36页 |
| 2.7.1 实验数据库介绍 | 第32-33页 |
| 2.7.2 二维特征点定位实验 | 第33-34页 |
| 2.7.3 三维特征点定位实验 | 第34-35页 |
| 2.7.4 特征点定位结果比较 | 第35-36页 |
| 2.8 小结 | 第36-37页 |
| 第三章 基于GWT+L-GWT的三维人脸识别 | 第37-53页 |
| 3.1 引言 | 第37-38页 |
| 3.2 算法提出 | 第38-39页 |
| 3.3 基本理论介绍 | 第39-41页 |
| 3.3.1 广义高斯分布 | 第39-40页 |
| 3.3.2 Gabor小波和Log-Gabor小波 | 第40-41页 |
| 3.4 GABOR和LOG-GABOR实部与虚部响应分布特性分析 | 第41-48页 |
| 3.4.1 Gabor实部与虚部响应分布特性分析 | 第42-45页 |
| 3.4.2 Log-Gabor实部与虚部响应分布特性分析 | 第45-48页 |
| 3.5 基于GABOR和LOG-GABOR实部与虚部响应广义高斯拟合的三维人脸特征表征 | 第48-49页 |
| 3.5.1 GRIFR特征和L-GRIFR特征提取 | 第48-49页 |
| 3.5.2 GRIFR特征和L-GRIFR特征融合 | 第49页 |
| 3.6 实验与结果分析 | 第49-52页 |
| 3.6.1 基于FRGC v2.0的实验 | 第50-51页 |
| 3.6.2 基于OLD的实验 | 第51页 |
| 3.6.3 实验对比 | 第51-52页 |
| 3.7 小结 | 第52-53页 |
| 第四章 总结与展望 | 第53-55页 |
| 4.1 总结 | 第53-54页 |
| 4.2 展望 | 第54页 |
| 4.3 结束语 | 第54-55页 |
| 致谢 | 第55-57页 |
| 参考文献 | 第57-63页 |
| 作者在攻读硕士期间发表的论文与专利 | 第63页 |
