基于人脸局部信息生物特征识别若干问题研究
| 摘要 | 第5-7页 |
| ABSTRACT | 第7-8页 |
| 符号对照表 | 第12-13页 |
| 缩略语对照表 | 第13-18页 |
| 第一章 绪论 | 第18-30页 |
| 1.1 研究背景及意义 | 第18-23页 |
| 1.1.1 人类视觉系统理论 | 第18-22页 |
| 1.1.2 计算机视觉和人类视觉联系 | 第22页 |
| 1.1.3 影响人脸识别的主要因素 | 第22-23页 |
| 1.2 研究现状及其发展 | 第23-29页 |
| 1.2.1 人脸识别的研究现状及其发展 | 第23-27页 |
| 1.2.2 年龄估计研究现状及发展 | 第27-29页 |
| 1.3 文章内容及组织结构 | 第29-30页 |
| 第二章 人脸识别及年龄估计：数据库和性能评价 | 第30-44页 |
| 2.1 引言 | 第30页 |
| 2.2 人脸识别常用评估方法及指标 | 第30-39页 |
| 2.2.1 人脸识别数据库介绍 | 第30-35页 |
| 2.2.2 人脸识别性能评价 | 第35-39页 |
| 2.3 人脸年龄估计评估方法及指标 | 第39-43页 |
| 2.3.1 常用年龄数据库 | 第39-41页 |
| 2.3.2 年龄估计性能评价 | 第41-43页 |
| 2.4 本章小结 | 第43-44页 |
| 第三章 人脸五官特征比例分析 | 第44-54页 |
| 3.1 引言 | 第44页 |
| 3.2 人脸五官特征分析 | 第44-53页 |
| 3.2.1 多姿态人脸特征分析 | 第45-46页 |
| 3.2.2 身份证人脸特征分析 | 第46-53页 |
| 3.3 本章小结 | 第53-54页 |
| 第四章 基于五官特征辅助的人脸识别算法 | 第54-64页 |
| 4.1 引言 | 第54-55页 |
| 4.2 基于深度学习的五官特征提取 | 第55-60页 |
| 4.2.1 卷积神经网络模型 | 第55-57页 |
| 4.2.2 五官纹理特征提取 | 第57-59页 |
| 4.2.3 基于深度学习的五官特征提取 | 第59-60页 |
| 4.2.4 五官纹理特征和深度学习特征的融合 | 第60页 |
| 4.3 实验分析 | 第60-62页 |
| 4.3.1 同目前几种前沿人脸识别算法相比 | 第61页 |
| 4.3.2 评估五官纹理特征的辅助作用 | 第61-62页 |
| 4.4 本章小结 | 第62-64页 |
| 第五章 融合人脸五官信息的深度学习年龄估计 | 第64-74页 |
| 5.1 引言 | 第64-65页 |
| 5.2 多尺度卷积网络 | 第65-68页 |
| 5.2.1 局部对齐人脸图像块 | 第65-66页 |
| 5.2.2 用于年龄估计的卷积神经网络 | 第66-67页 |
| 5.2.3 多任务学习 | 第67-68页 |
| 5.2.4 五官辅助 | 第68页 |
| 5.3 年龄估计 | 第68-71页 |
| 5.3.1 数据库及训练集建立 | 第69页 |
| 5.3.2 多尺度和局部对齐分析 | 第69-71页 |
| 5.4 实验分析 | 第71-73页 |
| 5.5 本章小结 | 第73-74页 |
| 第六章 鼻子区域生物特征识别 | 第74-88页 |
| 6.1 引言 | 第74-76页 |
| 6.2 鼻子区域生物特征分析 | 第76-77页 |
| 6.3 鼻子区域数据建立 | 第77-80页 |
| 6.3.1 鼻子识别研究现状 | 第77-79页 |
| 6.3.2 鼻子区域数据建立 | 第79-80页 |
| 6.4 GKFA算法 | 第80-85页 |
| 6.4.1 Gabor算法 | 第81页 |
| 6.4.2 KFDA算法 | 第81-82页 |
| 6.4.3 Gabor参数优化 | 第82-85页 |
| 6.5 实验分析 | 第85-87页 |
| 6.6 本章小结 | 第87-88页 |
| 第七章 总结与展望 | 第88-92页 |
| 7.1 工作总结 | 第88-89页 |
| 7.2 前景展望 | 第89-92页 |
| 参考文献 | 第92-106页 |
| 致谢 | 第106-108页 |
| 作者简介 | 第108-110页 |
