| 论文摘要 | 第4-5页 |
| Abstract of Thesis | 第5页 |
| 引言 | 第8-10页 |
| 1 绪论 | 第10-25页 |
| 1.1 研究背景和研究意义 | 第10-12页 |
| 1.2 国内外研究现状 | 第12-23页 |
| 1.2.1 基于视频场景的活体检测方法 | 第12-18页 |
| 1.2.2 基于单张照片活体检测方法 | 第18-21页 |
| 1.2.3 多膜态活体检测技术 | 第21-22页 |
| 1.2.4 研究现状小结 | 第22-23页 |
| 1.3 本课题研究思路及主要内容 | 第23-25页 |
| 2 图像数据库构建和相关理论分析 | 第25-36页 |
| 2.1 用于活体检测的人脸图像库构建 | 第25-27页 |
| 2.1.1 现有人脸库介绍 | 第25-26页 |
| 2.1.2 活体检测图像库构建 | 第26-27页 |
| 2.2 翻拍图像与真实人脸图像生成原理 | 第27-28页 |
| 2.3 常用的图像处理技术 | 第28-30页 |
| 2.3.1 图像灰度化 | 第28页 |
| 2.3.2 图像的直方图均衡化 | 第28-29页 |
| 2.3.3 同态滤波 | 第29-30页 |
| 2.4 基于 Adaboost 的人脸检测方法 | 第30-33页 |
| 2.5 SVM 分类器理论 | 第33-35页 |
| 2.6 本章小结 | 第35-36页 |
| 3 基于 HSV 颜色空间直方图的活体检测技术研究 | 第36-43页 |
| 3.1 双线性插值法 | 第36页 |
| 3.2 RGB 颜色空间到 HSV 颜色空间转换 | 第36-37页 |
| 3.3 基于 HSV 颜色直方图活体检测 | 第37-40页 |
| 3.4 实验效果验证 | 第40-42页 |
| 3.5 本章小结 | 第42-43页 |
| 4 基于 DCT 系数的活体检测算法 | 第43-48页 |
| 4.1 离散余弦变换 | 第43-44页 |
| 4.2 图像预处理 | 第44页 |
| 4.3 图像 DCT 变换并提取 DCT 系数 | 第44-45页 |
| 4.4 数据采集与实验分析 | 第45-47页 |
| 4.5 本章小结 | 第47-48页 |
| 5 基于 SVD 和 HSV 直方图活体检测算法 | 第48-56页 |
| 5.1 图像的奇异值提取 | 第48-49页 |
| 5.2 图像奇异值特征的优点 | 第49-50页 |
| 5.2.1 稳定性 | 第49页 |
| 5.2.2 转置不变性 | 第49页 |
| 5.2.3 旋转不变性 | 第49-50页 |
| 5.2.4 镜像不变性 | 第50页 |
| 5.3 基于奇异特征分解的图像特征提取 | 第50-51页 |
| 5.4 实验 | 第51-54页 |
| 5.5 本章小结 | 第54-56页 |
| 6 基于 Tamura 纹理和 LAP 的活体检测研究 | 第56-61页 |
| 6.1 Tamura 纹理特征提取 | 第56-57页 |
| 6.1.1 粗糙度 | 第56页 |
| 6.1.2 对比度 | 第56-57页 |
| 6.1.3 方向度 | 第57页 |
| 6.2 LAP 特征提取 | 第57-59页 |
| 6.3 LAP 与 Tamura 纹理特征实验 | 第59-60页 |
| 6.4 本章小结 | 第60-61页 |
| 7 总结与展望 | 第61-64页 |
| 7.1 本文工作总结 | 第61-62页 |
| 7.2 研究工作展望 | 第62-64页 |
| 参考文献 | 第64-68页 |
| 在校研究成果 | 第68-69页 |
| 致谢 | 第69页 |