多姿态表情的人脸识别算法研究
| 摘要 | 第3-4页 |
| ABSTRACT | 第4页 |
| 1 绪论 | 第7-11页 |
| 1.1 研究背景和意义 | 第7页 |
| 1.2 单样本人脸识别研究现状 | 第7-10页 |
| 1.3 本课题的研究重点与难点 | 第10页 |
| 1.4 本文内容的结构安排 | 第10-11页 |
| 2 人脸识别相关技术 | 第11-23页 |
| 2.1 人脸特征提取 | 第12-14页 |
| 2.1.1 DeepID网络特征提取 | 第12-13页 |
| 2.1.2 FaceNet网络特征提取 | 第13-14页 |
| 2.2 人脸识别 | 第14-19页 |
| 2.2.1 支持向量机 | 第14-16页 |
| 2.2.2 标签传播算法 | 第16-19页 |
| 2.3 常用数据库 | 第19-22页 |
| 2.3.1 多姿态人脸数据库 | 第19页 |
| 2.3.2 多表情人脸数据库 | 第19-21页 |
| 2.3.3 视频监控下人脸数据库 | 第21-22页 |
| 2.4 本章小结 | 第22-23页 |
| 3 人脸深度学习特征的提取 | 第23-33页 |
| 3.1 卷积神经网络介绍 | 第23-27页 |
| 3.2 VGG网络模型 | 第27-30页 |
| 3.2.1 基本模型介绍 | 第27-29页 |
| 3.2.2 深度迁移学习的特征提取 | 第29-30页 |
| 3.3 实验结果分析 | 第30-31页 |
| 3.4 本章小结 | 第31-33页 |
| 4 多姿态单样本人脸识别 | 第33-51页 |
| 4.1 人脸姿态估计 | 第33-38页 |
| 4.1.1 关键点提取 | 第34-36页 |
| 4.1.2 姿态估计 | 第36-38页 |
| 4.2 构建多置信度统计判据 | 第38-42页 |
| 4.2.1 划分姿态等级 | 第39页 |
| 4.2.2 构建类中心置信度区间 | 第39-42页 |
| 4.3 多置信度统计判据人脸识别 | 第42-43页 |
| 4.4 实验结果分析 | 第43-50页 |
| 4.4.1 多姿态人脸识别 | 第43-46页 |
| 4.4.2 视频监控下的人脸识别 | 第46-50页 |
| 4.5 本章小结 | 第50-51页 |
| 5 总结与展望 | 第51-53页 |
| 5.1 总结 | 第51-52页 |
| 5.2 展望 | 第52-53页 |
| 致谢 | 第53-55页 |
| 参考文献 | 第55-59页 |
| 已发表论文及科研情况 | 第59页 |
| 比赛奖励 | 第59页 |
| 参与的科研与教学工作 | 第59页 |
