| 致谢 | 第4-5页 |
| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 1 绪论 | 第14-33页 |
| 1.1 课题背景 | 第14-16页 |
| 1.2 人脸识别算法及系统国内外研究现状 | 第16-25页 |
| 1.2.1 人脸识别技术发展历史 | 第16-18页 |
| 1.2.2 基于结构特征的人脸识别算法 | 第18-19页 |
| 1.2.3 基于主成分分析特征的人脸识别算法 | 第19-20页 |
| 1.2.4 基于局部二值模式的人脸识别算法 | 第20-21页 |
| 1.2.5 基于深度学习的人脸识别算法 | 第21-23页 |
| 1.2.6 人脸识别技术种类简介 | 第23-24页 |
| 1.2.7 人脸识别系统 | 第24-25页 |
| 1.3 人脸表情识别及系统国内外研究现状 | 第25-28页 |
| 1.4 边缘计算技术国内外研究现状 | 第28-30页 |
| 1.5 本文研究内容和章节安排 | 第30-31页 |
| 1.6 本论文的创新点 | 第31-33页 |
| 2 基于深度学习的人脸识别算法 | 第33-43页 |
| 2.1 引言 | 第33-34页 |
| 2.1.1 深度人脸识别网络模型压缩工作 | 第33-34页 |
| 2.1.2 本章主要内容 | 第34页 |
| 2.2 使用Center Loss的深度人脸识别网络 | 第34-39页 |
| 2.2.1 Center Loss算法介绍 | 第35页 |
| 2.2.2 人脸识别网络结构 | 第35-36页 |
| 2.2.3 实验结果 | 第36-39页 |
| 2.3 基于目标域数据集的迁移学习人脸识别 | 第39-42页 |
| 2.4 本章小结 | 第42-43页 |
| 3 人证合一比对验证系统 | 第43-52页 |
| 3.1 引言 | 第43-44页 |
| 3.1.1 人证合一比对验证系统应用背景 | 第43页 |
| 3.1.2 人证合一比对验证系统技术难点 | 第43-44页 |
| 3.1.3 本章主要内容 | 第44页 |
| 3.2 人证合一比对验证系统设计 | 第44-49页 |
| 3.2.1 人证合一比对验证系统流程架构 | 第44-45页 |
| 3.2.2 人证合一比对验证系统硬件平台 | 第45-47页 |
| 3.2.3 人证合一比对验证系统软件平台 | 第47-49页 |
| 3.3 人证合一比对验证系统识别效果 | 第49-51页 |
| 3.4 本章小结 | 第51-52页 |
| 4 智能视频监控系统 | 第52-69页 |
| 4.1 引言 | 第52-53页 |
| 4.1.1 智能视频监控系统应用背景 | 第52页 |
| 4.1.2 智能视频监控系统技术难点 | 第52-53页 |
| 4.1.3 本章主要内容 | 第53页 |
| 4.2 智能视频监控系统设计 | 第53-57页 |
| 4.2.1 智能视频监控系统模型介绍 | 第53-55页 |
| 4.2.2 智能视频监控系统模块设计 | 第55页 |
| 4.2.3 系统决策器模块 | 第55-56页 |
| 4.2.4 系统前后端模块 | 第56页 |
| 4.2.5 图像压缩模块介绍 | 第56-57页 |
| 4.3 决策器增强学习算法 | 第57-60页 |
| 4.3.1 Q-Learning算法介绍 | 第57-58页 |
| 4.3.2 决策器参数设计 | 第58-60页 |
| 4.4 智能监控系统系统仿真结果 | 第60-67页 |
| 4.5 本章小结 | 第67-69页 |
| 5 人脸表情识别算法 | 第69-76页 |
| 5.1 引言 | 第69-70页 |
| 5.1.1 人脸表情识别技术难点 | 第69页 |
| 5.1.2 本章主要内容 | 第69-70页 |
| 5.2 局部区域多特征融合的人脸表情识别算法研究 | 第70-75页 |
| 5.2.1 表情特征提取算法 | 第70-72页 |
| 5.2.2 算法实现流程 | 第72-73页 |
| 5.2.3 表情分类实验结果 | 第73-75页 |
| 5.3 本章小结 | 第75-76页 |
| 6 总结与展望 | 第76-79页 |
| 6.1 本文工作总结 | 第76-77页 |
| 6.2 未来工作展望 | 第77-79页 |
| 参考文献 | 第79-85页 |
| 攻读硕士期间主要科研成果 | 第85页 |