| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第1章 引言 | 第9-17页 |
| 1.1 研究背景和意义 | 第9-10页 |
| 1.2 人脸活体检测研究现状 | 第10-15页 |
| 1.2.1 傅里叶频谱分析 | 第10-11页 |
| 1.2.2 三维深度分析 | 第11-12页 |
| 1.2.3 脸部光流分析 | 第12页 |
| 1.2.4 眨眼等行为检测 | 第12-13页 |
| 1.2.5 多光谱分析 | 第13-14页 |
| 1.2.6 活体检测方法小结 | 第14页 |
| 1.2.7 支持向量机（SVM） | 第14-15页 |
| 1.3 研究目标 | 第15-16页 |
| 1.4 论文结构安排 | 第16-17页 |
| 第2章 人脸活体检测数据库 | 第17-26页 |
| 2.1 NUAA | 第17-18页 |
| 2.2 REPLAY-ATTAK | 第18-19页 |
| 2.3 CASIA FACE ANTI-SPOOFING | 第19-20页 |
| 2.4 MSU MFSD | 第20-21页 |
| 2.5 BIWI KINECT HEAD POSE DATABASE | 第21-22页 |
| 2.6 本文作者采样的人脸数据库 | 第22-26页 |
| 第3章 基于 2D人脸图像的活体检测算法 | 第26-37页 |
| 3.1 基于傅里叶频谱特征的 2D人脸活体检测算法 | 第26-28页 |
| 3.2 基于LBP特征 2D活体检测方法 | 第28-29页 |
| 3.2.1 LBP原理 | 第28-29页 |
| 3.2.2 基于LBP特征的 2D人脸活体检测算法 | 第29页 |
| 3.3 基于灰度共生矩阵特征 2D活体检测方法 | 第29-31页 |
| 3.3.1 灰度共生矩阵原理 | 第29-30页 |
| 3.3.2 基于灰度共生矩阵 2D人脸活体检测算法 | 第30-31页 |
| 3.4 基于FS-LBP特征 2D活体检测方法 | 第31-32页 |
| 3.5 实验结果与分析 | 第32-36页 |
| 3.5.1 数据库 | 第32页 |
| 3.5.2 实验一 | 第32-34页 |
| 3.5.3 实验二 | 第34-35页 |
| 3.5.4 实验三 | 第35-36页 |
| 3.6 本章小结 | 第36-37页 |
| 第4章 基于 3D人脸深度图的活体检测算法 | 第37-47页 |
| 4.1 基于LBP特征的 3D人脸活体检测算法 | 第37-38页 |
| 4.2 基于灰度共生矩阵特征的 3D人脸活体检测算法 | 第38-41页 |
| 4.3 基于多尺度灰度共生矩阵特征的 3D人脸活体检测算法 | 第41-42页 |
| 4.4 实验结果与分析 | 第42-46页 |
| 4.4.1 数据库 | 第42-43页 |
| 4.4.2 实验一 | 第43-46页 |
| 4.4.3 实验二 | 第46页 |
| 4.5 本章小结 | 第46-47页 |
| 第5章 总结和展望 | 第47-49页 |
| 5.1 本文工作总结 | 第47页 |
| 5.2 未来工作展望 | 第47-49页 |
| 致谢 | 第49-50页 |
| 参考文献 | 第50-54页 |
| 在学期间科研成果情况 | 第54页 |
