| 摘要 | 第4-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第11-15页 |
| 1.1 研究背景及意义 | 第11页 |
| 1.2 国内外研究现状 | 第11-12页 |
| 1.3 主要研究内容 | 第12-13页 |
| 1.4 论文结构 | 第13-15页 |
| 第2章 视频人脸识别相关技术的研究进展 | 第15-25页 |
| 2.1 视频人脸识别技术概述 | 第15-16页 |
| 2.1.1 视频人脸检测 | 第15-16页 |
| 2.1.2 视频人脸识别 | 第16页 |
| 2.2 传统视频人脸识别技术 | 第16-19页 |
| 2.3 基于深度学习的人脸识别 | 第19-22页 |
| 2.4 超分辨率复原技术在人脸识别中的应用 | 第22-23页 |
| 2.5 本章小结 | 第23-25页 |
| 第3章 基于MTCNN模型的人脸检测算法 | 第25-37页 |
| 3.1 基于Harr特征和AdaBoost方法的人脸检测算法 | 第25-28页 |
| 3.1.1 Harr特征 | 第25-26页 |
| 3.1.2 AdaBoost方法 | 第26-28页 |
| 3.2 MTCNN的人脸检测算法概述 | 第28-29页 |
| 3.2.1 P-Net网络 | 第28页 |
| 3.2.2 R-Net网络 | 第28-29页 |
| 3.2.3 O-Net网络 | 第29页 |
| 3.3 MTCNN的实现 | 第29-30页 |
| 3.4 MTCNN训练过程 | 第30-32页 |
| 3.4.1 训练样本 | 第30-31页 |
| 3.4.2 人脸/非人脸分类任务 | 第31页 |
| 3.4.3 人脸边框回归任务 | 第31页 |
| 3.4.4 关键点的检测任务 | 第31-32页 |
| 3.4.5 多任务训练 | 第32页 |
| 3.5 实验结果与分析 | 第32-36页 |
| 3.6 本章小结 | 第36-37页 |
| 第4章 基于多层优化LeNet模型的人脸识别算法 | 第37-47页 |
| 4.1 算法概述 | 第37-38页 |
| 4.2 LeNet-5模型 | 第38-42页 |
| 4.3 多层优化LeNet模型 | 第42-43页 |
| 4.4 实验结果与分析 | 第43-44页 |
| 4.5 本章小结 | 第44-47页 |
| 第5章 基于超分辨率复原的低质视频人脸识别 | 第47-61页 |
| 5.1 算法简述 | 第47-48页 |
| 5.2 精简VGG网络模型 | 第48-50页 |
| 5.2.1 VGG模型 | 第48-49页 |
| 5.2.2 精简VGG模型 | 第49-50页 |
| 5.3 基于反卷积网络的超分辨率复原 | 第50-52页 |
| 5.4 实验结果与分析 | 第52-58页 |
| 5.4.1 训练模型 | 第52-55页 |
| 5.4.2 结果与分析 | 第55-57页 |
| 5.4.3 基于超分辨率复原的人脸识别 | 第57-58页 |
| 5.5 本章小结 | 第58-61页 |
| 第6章 基于视频监控人脸识别原型系统的设计与实现 | 第61-71页 |
| 6.1 需求分析与系统设计 | 第61-65页 |
| 6.1.1 系统需求分析 | 第61页 |
| 6.1.2 功能模块设计 | 第61-65页 |
| 6.2 应用系统的实现 | 第65-68页 |
| 6.2.1 系统工作流程 | 第65-66页 |
| 6.2.2 各个模块的实现 | 第66页 |
| 6.2.3 网络摄像机参数配置 | 第66-67页 |
| 6.2.4 系统的实现应用 | 第67-68页 |
| 6.3 系统测试 | 第68-70页 |
| 6.4 本章小结 | 第70-71页 |
| 结论 | 第71-73页 |
| 参考文献 | 第73-77页 |
| 攻读硕士学位期间取得的研究成果 | 第77-79页 |
| 致谢 | 第79页 |