基于达芬奇平台的人脸识别技术的研究和实现
| 摘要 | 第5-6页 |
| abstract | 第6-7页 |
| 第一章 绪论 | 第13-21页 |
| 1.1 研究背景及意义 | 第13-15页 |
| 1.2 发展和现状 | 第15-18页 |
| 1.3 论文拟解决的难点 | 第18-19页 |
| 1.4 章节安排 | 第19-21页 |
| 第二章 人脸识别算法的相关理论 | 第21-35页 |
| 2.1 常用的人脸特征及其选取 | 第21-26页 |
| 2.1.1 Eigenface | 第21-22页 |
| 2.1.2 Fisherface | 第22-23页 |
| 2.1.3 LBP特征 | 第23-24页 |
| 2.1.4 基于CNN的人脸特征 | 第24-26页 |
| 2.2 神经网络相关理论 | 第26-32页 |
| 2.2.1 神经网络的层 | 第26-31页 |
| 2.2.2 反向传播 | 第31-32页 |
| 2.3 人脸识别模型的性能评估方式 | 第32-34页 |
| 2.3.1 评估数据库 | 第32-33页 |
| 2.3.2 人脸相似度度量方式 | 第33-34页 |
| 2.4 本章小结 | 第34-35页 |
| 第三章 人脸识别技术的研究和改进 | 第35-56页 |
| 3.1 人脸检测算法的设计和改进 | 第35-43页 |
| 3.1.1 人脸检测算法的设计 | 第35页 |
| 3.1.2 人脸检测训练样本的选取 | 第35-38页 |
| 3.1.3 多尺度的人脸检测 | 第38-40页 |
| 3.1.4 人脸检测模型的训练和评估 | 第40-43页 |
| 3.2 人脸识别模型的架构 | 第43-45页 |
| 3.3 人脸识别模型的训练样本 | 第45-47页 |
| 3.3.1 CASIA-Webface数据库 | 第45页 |
| 3.3.2 仿射变换预处理 | 第45-47页 |
| 3.4 人脸识别模型的超参数调节 | 第47-49页 |
| 3.5 人脸识别模型的训练 | 第49页 |
| 3.6 人脸识别模型的评估 | 第49-54页 |
| 3.6.1 不同图片数量的影响 | 第50-51页 |
| 3.6.2 不同图片分辨率的影响 | 第51页 |
| 3.6.3 不同损失函数的影响 | 第51-53页 |
| 3.6.4 和其他网络性能对比 | 第53-54页 |
| 3.7 本章小结 | 第54-56页 |
| 第四章 人脸识别系统的嵌入式实现 | 第56-70页 |
| 4.1 视频流框架的搭建 | 第56-61页 |
| 4.1.1 硬件平台 | 第56-57页 |
| 4.1.2 软件平台 | 第57-59页 |
| 4.1.3 视频流框架 | 第59-61页 |
| 4.2 算法的移植 | 第61-62页 |
| 4.3 人脸识别流程 | 第62-66页 |
| 4.4 人脸识别系统性能分析 | 第66-69页 |
| 4.4.1 人脸检测算法的性能 | 第66-67页 |
| 4.4.2 人脸识别算法的性能 | 第67-69页 |
| 4.5 本章小结 | 第69-70页 |
| 第五章 总结与展望 | 第70-72页 |
| 5.1 论文总结 | 第70页 |
| 5.2 论文展望 | 第70-72页 |
| 致谢 | 第72-73页 |
| 参考文献 | 第73-76页 |
| 攻读硕士学位期间取得的成果 | 第76页 |
