| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 第1章 绪论 | 第9-20页 |
| 1.1 课题背景及研究意义 | 第9-10页 |
| 1.1.1 课题来源 | 第9页 |
| 1.1.2 研究目的及意义 | 第9-10页 |
| 1.2 人脸识别国内外研究现状 | 第10-18页 |
| 1.2.1 国外研究现状 | 第10-15页 |
| 1.2.2 国内研究现状 | 第15-18页 |
| 1.3 本文的主要研究内容 | 第18-20页 |
| 第2章 嵌入式平台下传统人脸识别算法实现 | 第20-37页 |
| 2.1 引言 | 第20页 |
| 2.2 人脸识别功能分析与框架搭建 | 第20-22页 |
| 2.2.1 系统功能分析 | 第20页 |
| 2.2.2 人脸识别整体框架搭建 | 第20-22页 |
| 2.3 传统人脸识别算法实现 | 第22-28页 |
| 2.3.1 人脸图像的采集与预处理 | 第22-24页 |
| 2.3.2 肤色模型的建立及分割 | 第24-25页 |
| 2.3.3 Haar特征Adaboost人脸检测 | 第25-28页 |
| 2.3.4 人脸关键点检测及对齐 | 第28页 |
| 2.4 传统的人脸特征提取方法 | 第28-31页 |
| 2.5 人脸识别系统移植与实验 | 第31-36页 |
| 2.5.1 NVIDIA TK1平台下人脸识别系统移植 | 第31-32页 |
| 2.5.2 NVIDIA TK1平台下实验 | 第32-36页 |
| 2.6 本章小结 | 第36-37页 |
| 第3章 基于深度卷积神经网络人脸特征提取方法 | 第37-58页 |
| 3.1 引言 | 第37页 |
| 3.2 人脸样本多尺度切分数据增强算法 | 第37-42页 |
| 3.2.1 图像几何空间多尺度变换数据增强 | 第37-40页 |
| 3.2.2 高斯模糊多尺度样本切分数据增强 | 第40-42页 |
| 3.3 深度卷积神经网络人脸特征提取方法 | 第42-50页 |
| 3.3.1 深度卷积神经网络概述 | 第42-43页 |
| 3.3.2 深度卷积神经网络数据选取 | 第43-45页 |
| 3.3.3 深度卷积神经网络模型设计 | 第45-48页 |
| 3.3.4 损失函数的选取和BP调参 | 第48-50页 |
| 3.4 实验平台搭建及结果分析 | 第50-57页 |
| 3.4.1 实验平台的搭建 | 第50页 |
| 3.4.2 实验结果及分析 | 第50-57页 |
| 3.5 本章小结 | 第57-58页 |
| 第4章 人脸年龄鲁棒性深度学习模型构建与分析 | 第58-68页 |
| 4.1 引言 | 第58页 |
| 4.2 国际人脸年龄数据库简介 | 第58-59页 |
| 4.3 人脸年龄特征递进网络模型的构建 | 第59-62页 |
| 4.3.1 训练和测试数据选取 | 第59-60页 |
| 4.3.2 深度学习网络模型的规划 | 第60-62页 |
| 4.4 深度学习模型的训练与测试 | 第62-67页 |
| 4.4.1 深度学习模型参数的选择与训练 | 第62-64页 |
| 4.4.2 深度学习模型泛化性能实验 | 第64-67页 |
| 4.5 本章小结 | 第67-68页 |
| 第5章 深度学习人脸识别系统集成及测试 | 第68-77页 |
| 5.1 引言 | 第68页 |
| 5.2 人脸识别系统集成 | 第68-70页 |
| 5.2.1 软件系统集成 | 第68-69页 |
| 5.2.2 硬件系统集成 | 第69-70页 |
| 5.3 人脸识别系统Web开发 | 第70-72页 |
| 5.3.1 Web前端框架设计 | 第70-72页 |
| 5.3.2 Web后端服务器远程部署 | 第72页 |
| 5.4 人脸识别系统测试 | 第72-76页 |
| 5.5 本章小结 | 第76-77页 |
| 结论 | 第77-78页 |
| 参考文献 | 第78-82页 |
| 攻读硕士学位期间发表的论文及其他成果 | 第82-84页 |
| 致谢 | 第84页 |