基于面部信息分析的活体检测系统研究与实现
| 摘要 | 第4-6页 |
| Abstract | 第6-8页 |
| 第一章 绪论 | 第11-21页 |
| 1.1 研究背景和意义 | 第11-12页 |
| 1.2 研究现状 | 第12-16页 |
| 1.2.1 人脸检测研究现状 | 第12-13页 |
| 1.2.2 人脸活体检测研究现状 | 第13-15页 |
| 1.2.3 人脸识别研究现状 | 第15-16页 |
| 1.3 遇到的挑战 | 第16-17页 |
| 1.4 研究内容 | 第17-19页 |
| 1.4.1 人脸活体检测数据库的选取 | 第17页 |
| 1.4.2 人脸活体检测特征描述 | 第17-18页 |
| 1.4.3 人脸活体检测特征的匹配与识别 | 第18页 |
| 1.4.4 人脸检测技术 | 第18-19页 |
| 1.4.5 人脸识别技术 | 第19页 |
| 1.5 论文内容安排 | 第19-21页 |
| 第二章 人脸活体检测系统技术基础概述 | 第21-28页 |
| 2.1 人脸检测模块技术介绍 | 第21-24页 |
| 2.1.1 Adaboost方法 | 第21-22页 |
| 2.1.2 Haar特征 | 第22-23页 |
| 2.1.3 积分图 | 第23-24页 |
| 2.2 人脸活体检测模块技术介绍 | 第24-25页 |
| 2.2.1 稠密光流 | 第24-25页 |
| 2.2.2 KNN最近邻分类器 | 第25页 |
| 2.3 人脸识别模块技术介绍 | 第25-27页 |
| 2.3.1 局部二值模式特征 | 第25-26页 |
| 2.3.2 人脸识别介绍 | 第26-27页 |
| 2.4 本章小结 | 第27-28页 |
| 第三章 基于稠密光流的人脸活体检测方法特征提取 | 第28-41页 |
| 3.1 方法思路概述 | 第28-29页 |
| 3.2 稠密光流矢量差值总和的提取 | 第29-31页 |
| 3.3 验证稠密光流思路的假想的实验 | 第31-33页 |
| 3.3.1 自建数据库概述 | 第31-33页 |
| 3.3.2 假想验证实验 | 第33页 |
| 3.4 稠密光流特征及特征对比实验 | 第33-39页 |
| 3.4.1 活体检测性能评估参数 | 第33-34页 |
| 3.4.2 REPLAY-ATTACK数据集介绍 | 第34-35页 |
| 3.4.3 实验数据的选取 | 第35-36页 |
| 3.4.4 稠密光流特征效果实验 | 第36-38页 |
| 3.4.5 特征对比实验 | 第38-39页 |
| 3.5 本章小结 | 第39-41页 |
| 第四章 基于稠密光流的人脸活体检测方法匹配识别 | 第41-49页 |
| 4.1 KNN分类器匹配识别概述 | 第41-43页 |
| 4.2 稠密光流对KNN中最优K选择的探索实验 | 第43-46页 |
| 4.3 分类器对比实验 | 第46-48页 |
| 4.4 本章小结 | 第48-49页 |
| 第五章 系统概述及实现 | 第49-58页 |
| 5.1 系统总体概述 | 第49-51页 |
| 5.2 系统实现 | 第51-57页 |
| 5.2.1 人脸检测模块 | 第51-53页 |
| 5.2.2 人脸活体检测模块 | 第53-54页 |
| 5.2.3 人脸识别模块 | 第54-57页 |
| 5.3 本章小结 | 第57-58页 |
| 第六章 总结与展望 | 第58-60页 |
| 6.1 总结 | 第58-59页 |
| 6.2 展望 | 第59-60页 |
| 参考文献 | 第60-64页 |
| 致谢 | 第64-65页 |
| 攻读学位期间发表的学术论文目录 | 第65页 |
