| 摘要 | 第5-6页 |
| abstract | 第6-7页 |
| 第一章 绪论 | 第10-16页 |
| 1.1 研究工作的背景与意义 | 第10-11页 |
| 1.2 国内外研究历史与现状 | 第11-14页 |
| 1.3 本文的主要贡献与创新 | 第14-15页 |
| 1.4 论文的结构安排 | 第15-16页 |
| 第二章 基于双目摄像头的活体人脸检测 | 第16-36页 |
| 2.1 人脸检测方法概述 | 第16-17页 |
| 2.2 ADABOOST方法 | 第17-21页 |
| 2.2.1 PAC模型介绍 | 第18-19页 |
| 2.2.2 弱可学习和强可学习 | 第19页 |
| 2.2.3 haar特征的adaboost人脸检测 | 第19-21页 |
| 2.3 人脸特征点定位 | 第21-22页 |
| 2.4 眨眼检测 | 第22-27页 |
| 2.4.1 活体人脸检测数据库介绍 | 第23-24页 |
| 2.4.2 阈值法 | 第24-25页 |
| 2.4.3 帧差法 | 第25-27页 |
| 2.5 双目摄像头下的活体检测 | 第27-34页 |
| 2.5.1 相机坐标系 | 第28-29页 |
| 2.5.2 相机畸变 | 第29-30页 |
| 2.5.3 三角测距法和像素点匹配 | 第30-31页 |
| 2.5.4 使用双目测距法的活体检测实验 | 第31-34页 |
| 2.6 本章小结 | 第34-36页 |
| 第三章 单个摄像头下的活体人脸检测 | 第36-56页 |
| 3.1 基本LBP算子介绍 | 第36-37页 |
| 3.2 局部二值模式的多种延伸 | 第37-39页 |
| 3.2.1 多尺度LBP | 第37-38页 |
| 3.2.2 等价模式LBP | 第38页 |
| 3.2.3 人脸LBP算子 | 第38-39页 |
| 3.3 支持向量机 | 第39-44页 |
| 3.3.1 线性不可分 | 第39-40页 |
| 3.3.2 核函数 | 第40-42页 |
| 3.3.3 基于纹理检测方法的实验 | 第42-44页 |
| 3.4 基于卷积神经网络的人脸活体检测算法 | 第44-55页 |
| 3.4.1 神经网络和卷积神经网络 | 第45-48页 |
| 3.4.2 小规模卷积神经网络结构 | 第48-50页 |
| 3.4.3 深度残差网络 | 第50-52页 |
| 3.4.4 基于残差网络方法的实验 | 第52-53页 |
| 3.4.5 基于LBP的卷积神经网络方法 | 第53-55页 |
| 3.5 本章小结 | 第55-56页 |
| 第四章 多光谱方法的活体人脸检测 | 第56-68页 |
| 4.1 近红外光下的实验数据采集 | 第56-58页 |
| 4.1.1 近红外光摄像装置 | 第56-57页 |
| 4.1.2 人脸近红外数据集 | 第57-58页 |
| 4.2 红外数据下的纹理活体检测 | 第58-63页 |
| 4.2.1 支持向量机参数优化 | 第59-61页 |
| 4.2.2 近红外光摄像头下的亮瞳效应 | 第61页 |
| 4.2.3 实验结果 | 第61-63页 |
| 4.3 自然光摄像头下的人脸图片颜色分析 | 第63-66页 |
| 4.4 多光谱方法实现 | 第66-67页 |
| 4.5 本章小结 | 第67-68页 |
| 第五章 总结与展望 | 第68-70页 |
| 5.1 本文总结 | 第68页 |
| 5.2 后续工作展望 | 第68-70页 |
| 致谢 | 第70-71页 |
| 参考文献 | 第71-75页 |
| 攻读硕士学位期间取得的成果 | 第75页 |