| 摘要 | 第4-6页 |
| ABSTRACT | 第6-7页 |
| 第1章 绪论 | 第10-18页 |
| 1.1 人脸识别技术的研究现状 | 第10-14页 |
| 1.1.1 基于手工设计特征的人脸识别技术研究现状 | 第11-12页 |
| 1.1.2 基于深度学习模型的人脸识别的研究现状 | 第12-14页 |
| 1.2 研究背景 | 第14-15页 |
| 1.3 主要内容和结构 | 第15-18页 |
| 第2章 人脸图像局部特征提取 | 第18-27页 |
| 2.1 LBP特征提取 | 第18-20页 |
| 2.1.1 基本的LBP特征描述子 | 第18-19页 |
| 2.1.2 改进的LBP特征描述子 | 第19页 |
| 2.1.3 人脸图像的LBP特征提取结果 | 第19-20页 |
| 2.2 扩展的LDP特征描述子及其特征提取 | 第20-26页 |
| 2.2.1 二阶LDP特征描述子 | 第20-22页 |
| 2.2.2 N阶LDP特征描述子 | 第22-23页 |
| 2.2.3 扩展的LDP特征描述子 | 第23-24页 |
| 2.2.4 人脸图像的N阶LDP特征提取结果 | 第24-26页 |
| 2.3 本章小结 | 第26-27页 |
| 第3章 LENET-LIKED卷积神经网络与DEEPID卷积神经网络 | 第27-35页 |
| 3.1 LENET-LIKED的神经网络结构 | 第27-32页 |
| 3.1.1 前向传播与反向传播 | 第27-28页 |
| 3.1.2 Le Net-5 卷积神经网络 | 第28-30页 |
| 3.1.3 Le Net-liked卷积神经网络 | 第30-32页 |
| 3.2 DEEPID的神经网络结构 | 第32-34页 |
| 3.3 本章小结 | 第34-35页 |
| 第4章 基于局部特征的卷积神经网络实验与结果分析 | 第35-48页 |
| 4.1 LENET-LIKED的实验结果 | 第35-39页 |
| 4.1.1 在FRGC人脸数据库的实验结果 | 第35-37页 |
| 4.1.2 在Yale B+人脸数据库的实验结果 | 第37-39页 |
| 4.2 DEEPID的实验结果 | 第39-42页 |
| 4.3 基于局部特征的卷积神经网络分析 | 第42-46页 |
| 4.3.1 输入特征的属性 | 第42-43页 |
| 4.3.2 网络中间层特征提取 | 第43-44页 |
| 4.3.3 收敛速度分析 | 第44-45页 |
| 4.3.4 过拟合情况分析 | 第45-46页 |
| 4.4 本章小结 | 第46-48页 |
| 第5章 总结和展望 | 第48-51页 |
| 5.1 总结 | 第48-49页 |
| 5.2 展望 | 第49-51页 |
| 致谢 | 第51-52页 |
| 参考文献 | 第52-56页 |
| 附录A 攻读硕士学位期间的研究成果 | 第56页 |