文档介绍：⑧耗ǖ〦垒鹩鉗頸主至靁§主皇坐旦垒§皇鱼呈里皇二级﨓里至主荼せ垒! △:￡:丛頶里故垒旦里乜望主金霶鸬┞://:.:
摘要人脸作为人类生物特征中最重要的特征之一,吸引了众多研究者的关注。关于人脸识别的研究目前大多都集中于二维灰度人脸识别,而这类二维人脸识别方法往往易受光照、姿势变化的影响从而造成识别率的降低。三维人脸数据由于包含了更加全面的人脸几何信息,因而可以提高识别效率,从而使三维人脸识别成为一个新的研究热点。传统三维数据获取方法,如激光扫描和结构光等,其代价高昂且耗时。作为深度测量的一种新型设备,疃认嗷涤衅渌璞覆痪弑的优点如结构小巧以及可实时获取数据,对计算机图形学和计算机视觉等研究领域带来了重要影响。本文率先将疃认嗷肷锾卣魇侗鹆煊颍⒎⒊龌赥深度相机的人脸识别系统,充分利用了嗷峁┑娜肆橙畔ⅲ捌涠曰肪彻庀弑化不敏感的特性,系统具有较高的识别率、鲁棒性和通用性。本文利用瞬ɡ刺崛∪肆呈葜械奶卣鳎⑶彝ü餮暗姆椒ɡ囱盗分类器从而完***脸识别任务。由于疃认嗷杉菟俣冉峡欤7⒌南统可以迅速对人脸进行识别和判断,因此在实时性要求较高的生物特征识别应用中,具有很高的潜在利用价值。关键词:深度相机,飞机时间原理,模式识别,生物特征识别,人脸识别浙江大学硕上学位论文
,—,.珺甅.,.伊—甌瓾瑂,琓—..瑃·,,
目录摘要⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯.第滦髀邸璴课题背景⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯.论文主要工作及内容安排⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯.本章小结⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯..第耇深度相机应用研究及人脸识别综述⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯..深度相机种类及原理介绍⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯深度相机应用简介⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯二维人脸识别算法⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯三维人脸识别算法⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯本章小结⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯第乱欢远嗳肆呈侗鹣低场系统流程简介⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯深度数据的预处理⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯.肆城蛱崛特征提取⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯卣鳌狦滤波⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯识别方法与实验⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯第率凳币欢砸蝗肆呈侗鹣低场自适应增强算法⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯狟惴ā实验与讨论⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯本章小结⋯⋯⋯。⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯.....⋯.⋯⋯⋯.⋯⋯⋯⋯⋯⋯⋯⋯⋯.⋯.⋯⋯⋯.⋯.⋯.⋯.⋯..⋯⋯⋯⋯⋯.⋯⋯⋯⋯.⋯..⋯⋯⋯..——.浙江大学硕十:学位论文狥
第伦芙岷驼雇本文工作总结⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯未来工作展望⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯本章小结⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯参考文献⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯.攻读硕士学位期间主要的研究成果⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯致谢⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯浙江人学硕貉宦畚目录
图目录疃认嗷疃认嗷辔徊饬吭怼图深度测量的系统误差⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯嗷玫降娜嗍荨图积分时间对数据质量的影响⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯图使用单个疃认嗷姆⑿蜕琛图使用单一疃认嗷娜肆匙纷佟的几个例子⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯募父隼印图谏窬绶椒ǖ幕究蚣堋图父鯣滤波的例子⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯瞬ㄏ煊Φ那慷缺硎荆汗个方向,龀叨取计左P右图绶指畹睦印图娌勘砻嫘畔⒌谋硎綶】⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯.的匹配过程⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯..图一对多系统程序框架图⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯..图三维数据去噪结果⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯..图几种不同的特征⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯图级联分类器框架⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯..图轮廓法线⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯..图高斯金字塔模型⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯..炼韧忌系奶卣鞯恪图细化的人脸区域⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯..阕拥募扑愎獭图炼仁萦τ肔算子的结果⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯阕拥募扑愎獭图糠盅镜结果,包含了和层⋯⋯⋯⋯⋯⋯