| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第1章 绪论 | 第11-17页 |
| 1.1 研究背景和项目情况 | 第11页 |
| 1.2 人脸检索的研究意义 | 第11-12页 |
| 1.3 网吧人脸检索系统问题描述 | 第12-14页 |
| 1.4 本文研究内容 | 第14-15页 |
| 1.5 本文组织结构 | 第15-17页 |
| 第2章 研究综述 | 第17-29页 |
| 2.1 国内外研究现状 | 第17页 |
| 2.2 人脸识别的可能发展趋势 | 第17-18页 |
| 2.3 人脸检索的主要方法 | 第18-23页 |
| 2.3.1 人脸特征描述方法 | 第18-22页 |
| 2.3.2 人脸特征匹配与查找 | 第22-23页 |
| 2.4 国内外公开数据集 | 第23-25页 |
| 2.5 人脸检索算法的常用评价标准 | 第25-27页 |
| 2.5.1 单个查询对象的评价标准 | 第25-26页 |
| 2.5.2 多次检索结果的评价标准 | 第26-27页 |
| 2.6 本章小结 | 第27-29页 |
| 第3章 多特征融合的稀疏样本人脸检索方法 | 第29-39页 |
| 3.1 问题描述 | 第29页 |
| 3.2 算法流程及详细步骤 | 第29-34页 |
| 3.2.1 人脸图片预处理 | 第30页 |
| 3.2.2 人脸特征抽取方法 | 第30-32页 |
| 3.2.3 特征融合与人脸分类 | 第32-33页 |
| 3.2.4 检索方法 | 第33-34页 |
| 3.2.5 算法流程 | 第34页 |
| 3.3 实验设计和结果分析 | 第34-38页 |
| 3.3.1 AT＆T人脸数据集实验 | 第35-36页 |
| 3.3.2 FERET人脸数据集实验 | 第36-37页 |
| 3.3.3 网吧采集数据集实验 | 第37-38页 |
| 3.4 本章小结 | 第38-39页 |
| 第4章 基于深度卷积神经网络的稠密样本人脸检索方法 | 第39-51页 |
| 4.1 问题描述 | 第39页 |
| 4.2 相关研究 | 第39-42页 |
| 4.2.1 卷积神经网络 | 第40页 |
| 4.2.2 哈希检索算法 | 第40-41页 |
| 4.2.3 相关反馈 | 第41-42页 |
| 4.3 算法流程和详细步骤 | 第42-47页 |
| 4.3.1 卷积神经网络结构 | 第42-43页 |
| 4.3.2 卷积神经网络特征抽取方法 | 第43-44页 |
| 4.3.3 哈希检索方法选择 | 第44-45页 |
| 4.3.4 带相关反馈的哈希检索算法 | 第45-47页 |
| 4.4 实验设计和结果分析 | 第47-50页 |
| 4.4.1 哈希算法对比实验 | 第47-49页 |
| 4.4.2 相关反馈环节对最终检索性能提升实验 | 第49-50页 |
| 4.4.3 本章算法在网吧采集数据集下与其它方法的对比实验 | 第50页 |
| 4.5 本章总结 | 第50-51页 |
| 第5章 “火眼”人脸检测与检索系统 | 第51-63页 |
| 5.1 需求分析 | 第51-52页 |
| 5.2 “火眼”人脸检测与检索系统简介 | 第52-56页 |
| 5.2.1 火眼系统功能划分 | 第52-54页 |
| 5.2.2 火眼系统用户业务流程 | 第54-56页 |
| 5.3 人脸检索模块实现 | 第56-59页 |
| 5.3.1 人脸检测模块 | 第57-58页 |
| 5.3.2 人脸关键点定位和预处理模块 | 第58页 |
| 5.3.3 人脸特征抽取和查询模块 | 第58-59页 |
| 5.4 系统部署与应用 | 第59-61页 |
| 5.4.1 项目目标 | 第59页 |
| 5.4.2 现场部署 | 第59-60页 |
| 5.4.3 系统测试 | 第60-61页 |
| 5.5 本章小结 | 第61-63页 |
| 第6章 总结与展望 | 第63-65页 |
| 6.1 本文工作总结 | 第63-64页 |
| 6.2 未来工作展望 | 第64-65页 |
| 参考文献 | 第65-71页 |
| 致谢 | 第71-73页 |
| 在读期间发表的学术论文与取得的其他研究成果 | 第73-74页 |