| 摘要 | 第5-7页 |
| Abstract | 第7-8页 |
| 第1章 绪论 | 第15-27页 |
| 1.1 人脸识别简介 | 第15-19页 |
| 1.1.1 人脸识别算法流程 | 第16-18页 |
| 1.1.2 人脸识别的难点 | 第18-19页 |
| 1.2 人脸识别研究概况 | 第19-21页 |
| 1.3 本文研究背景 | 第21-22页 |
| 1.4 实验数据集及性能评测指标 | 第22-25页 |
| 1.4.1 实验数据集 | 第22-24页 |
| 1.4.2 性能评价指标 | 第24-25页 |
| 1.5 本文组织结构 | 第25-27页 |
| 第2章 基于CNN的人脸全局深度特征提取 | 第27-37页 |
| 2.1 人脸深度特征提取网络 | 第27-31页 |
| 2.1.1 人脸图像预处理 | 第28-29页 |
| 2.1.2 深度卷积网络初始化 | 第29-30页 |
| 2.1.3 模型参数精细调整 | 第30页 |
| 2.1.4 人脸全局深度特征提取 | 第30-31页 |
| 2.2 人脸特征相似性度量方法 | 第31-33页 |
| 2.2.1 余弦距离度量 | 第31页 |
| 2.2.2 线性判别分析 | 第31-32页 |
| 2.2.3 联合贝叶斯方法 | 第32-33页 |
| 2.3 实验验证 | 第33-36页 |
| 2.3.1 模型复杂度对特征的影响 | 第33-34页 |
| 2.3.2 特征相似性度量方法的性能对比 | 第34-35页 |
| 2.3.3 不同人脸测试集上的性能比较分析 | 第35-36页 |
| 2.4 本章小结 | 第36-37页 |
| 第3章 基于Fisher Vector编码的人脸特征表示方法 | 第37-57页 |
| 3.1 局部深度特征提取 | 第38-39页 |
| 3.2 基于GMM的Fisher Vector编码 | 第39-40页 |
| 3.3 基于CNN-GMM的Fisher Vector编码 | 第40-44页 |
| 3.3.1 网络结构描述 | 第40-41页 |
| 3.3.2 基于CNN的GMM模型参数估计 | 第41-43页 |
| 3.3.3 CNN-GMM定义下的人脸FV表达 | 第43-44页 |
| 3.4 基于CNN -MFA的Fisher Vector编码 | 第44-48页 |
| 3.4.1 混合因子分析模型 | 第45-46页 |
| 3.4.2 由全协方差矩阵GMM到MFA模型的推导 | 第46-47页 |
| 3.4.3 CNN-MFA定义下的人脸FV表达 | 第47-48页 |
| 3.5 实验验证 | 第48-55页 |
| 3.5.1 LDF聚合方法的性能对比 | 第48-50页 |
| 3.5.2 CNN-GMM-FV性能对比与分析 | 第50-52页 |
| 3.5.3 CNN-MFA-FV与CNN-GMM-FV的性能对比 | 第52-55页 |
| 3.6 本章小结 | 第55-57页 |
| 第4章 基于TVM的人脸低维特征表示方法 | 第57-73页 |
| 4.1 全变量建模方法 | 第57-61页 |
| 4.1.1 统计量计算 | 第58-59页 |
| 4.1.2 目标函数优化 | 第59-61页 |
| 4.1.3 iVector计算 | 第61页 |
| 4.2 基于CNN的TVM方法在人脸识别中的应用 | 第61-64页 |
| 4.2.1 基于CNN-GMM的人脸iVector表达 | 第62-63页 |
| 4.2.2 基于CNN-MFA的人脸iVector表达 | 第63-64页 |
| 4.3 实验验证 | 第64-71页 |
| 4.3.1 目标函数变化趋势 | 第64页 |
| 4.3.2 iVector表达维数确定 | 第64-66页 |
| 4.3.3 CNN-GMM-iVector实验分析 | 第66-68页 |
| 4.3.4 CNN-MFA-iVector实验分析 | 第68-71页 |
| 4.4 本章小结 | 第71-73页 |
| 第5章 基于CL-BCNN的人脸特征表示方法 | 第73-85页 |
| 5.1 交叉双线性卷积网络 | 第74-79页 |
| 5.1.1 网络结构描述 | 第74-76页 |
| 5.1.2 双线性卷积 | 第76-77页 |
| 5.1.3 能量归一化 | 第77-78页 |
| 5.1.4 L2归一化 | 第78-79页 |
| 5.2 实验验证 | 第79-83页 |
| 5.2.1 降维方法的确定 | 第80页 |
| 5.2.2 人脸表达维数的选取 | 第80-81页 |
| 5.2.3 基于CL-BCNN的人脸表达性能对比 | 第81-83页 |
| 5.3 本章小结 | 第83-85页 |
| 第6章 总结与展望 | 第85-89页 |
| 6.1 论文工作总结 | 第85-86页 |
| 6.2 后续研究展望 | 第86-89页 |
| 参考文献 | 第89-97页 |
| 致谢 | 第97-99页 |
| 在读期间发表的学术论文与取得的研究成果 | 第99-100页 |
