人脸检测与匹配识别算法研究
| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第1章 绪论 | 第9-17页 |
| 1.1 课题背景及研究的目的和意义 | 第9-10页 |
| 1.2 国内外研究现状及分析 | 第10-15页 |
| 1.2.1 人脸识别的国外研究现状 | 第10-13页 |
| 1.2.2 深度学习的国内外研究现状 | 第13-15页 |
| 1.3 本文的主要研究内容与组织结构安排 | 第15-17页 |
| 第2章 人脸识别系统概述 | 第17-26页 |
| 2.1 引言 | 第17页 |
| 2.2 人脸识别系统概述 | 第17-20页 |
| 2.2.1 人脸识别系统的主要流程 | 第17-19页 |
| 2.2.2 技术难点分析 | 第19-20页 |
| 2.3 人脸图像预处理 | 第20-25页 |
| 2.3.1 灰度处理 | 第20-22页 |
| 2.3.2 平滑处理 | 第22-24页 |
| 2.3.3 几何归一化 | 第24-25页 |
| 2.4 本章小结 | 第25-26页 |
| 第3章 人脸检测算法的研究与实现 | 第26-44页 |
| 3.1 引言 | 第26页 |
| 3.2 传统特征提取算法 | 第26-31页 |
| 3.2.1 SIFT算法 | 第26-27页 |
| 3.2.2 LBP算法 | 第27-29页 |
| 3.2.3 改进LBP算法 | 第29-31页 |
| 3.3 多任务级联卷积神经网络算法 | 第31-36页 |
| 3.3.1 MTCNN算法整体框架 | 第31-33页 |
| 3.3.2 模块网络结构设计 | 第33-35页 |
| 3.3.3 网络训练 | 第35-36页 |
| 3.4 人脸检测算法的实现 | 第36-42页 |
| 3.4.1 基于传统算法的人脸检测实现 | 第36-38页 |
| 3.4.2 基于改进MTCNN算法的人脸检测实现 | 第38-42页 |
| 3.5 本章小结 | 第42-44页 |
| 第4章 人脸识别算法研究与系统实现 | 第44-55页 |
| 4.1 引言 | 第44页 |
| 4.2 基于三元组改进的深度卷积神经网络算法 | 第44-45页 |
| 4.3 人脸识别系统的实现 | 第45-53页 |
| 4.3.1 实验环境与实验数据 | 第45-46页 |
| 4.3.2 基于传统特征提取算法的实现 | 第46-48页 |
| 4.3.3 基于深度学习算法的实现 | 第48-51页 |
| 4.3.4 实验结果对比 | 第51-53页 |
| 4.4 本章小结 | 第53-55页 |
| 结论 | 第55-57页 |
| 参考文献 | 第57-63页 |
| 致谢 | 第63页 |
