| 摘要 | 第5-6页 |
| abstract | 第6-7页 |
| 第一章 绪论 | 第11-16页 |
| 1.1 选题背景与意义 | 第11-12页 |
| 1.2 国内外研究现状 | 第12-14页 |
| 1.3 本文研究的内容与意义 | 第14-15页 |
| 1.4 本文组织结构 | 第15-16页 |
| 第二章 传统子空间回归方法解决人脸遮挡研究 | 第16-22页 |
| 2.1 引言 | 第16页 |
| 2.2 子空间回归方法 | 第16-20页 |
| 2.2.1 稀疏表示分类方法 | 第17-18页 |
| 2.2.2 基于协同表示的分类方法 | 第18-20页 |
| 2.3 实验结果和分析 | 第20-21页 |
| 2.3.1 AR数据库介绍 | 第20页 |
| 2.3.2 混合光照下围巾遮挡人脸识别实验 | 第20-21页 |
| 2.4 本章小结 | 第21-22页 |
| 第三章 基于卷积神经网络与区域权值的遮挡人脸识别算法 | 第22-51页 |
| 3.1 卷积神经网络原理与结构 | 第22-31页 |
| 3.1.1 卷积神经网络发展历程 | 第22-23页 |
| 3.1.2 卷积神经网络基本原理 | 第23-24页 |
| 3.1.3 卷积神经网络构成 | 第24-31页 |
| 3.2 人脸预处理 | 第31-34页 |
| 3.2.1 基于MTCNN-NET的人脸预处理 | 第32-34页 |
| 3.3 用于提取特征的VGG-NET | 第34-36页 |
| 3.3.1 VGG-NET介绍 | 第34-35页 |
| 3.3.2 VGGFACE模型训练 | 第35-36页 |
| 3.4 高斯核函数 | 第36-38页 |
| 3.4.1 一维高斯核函数分析 | 第36-37页 |
| 3.4.2 二维高斯核函数分析 | 第37-38页 |
| 3.5 基于感受野理论与区域权值的算法 | 第38-43页 |
| 3.5.1 算法原理分析 | 第38-41页 |
| 3.5.2 二维高斯核形状设计 | 第41-42页 |
| 3.5.3 算法流程 | 第42-43页 |
| 3.6 实验结果和分析 | 第43-50页 |
| 3.6.1 参数d与?取不同值时识别率对比实验 | 第44-46页 |
| 3.6.2 与VGGFACE模型识别效果对比 | 第46-48页 |
| 3.6.3 不同遮挡面积下识别率对比 | 第48-49页 |
| 3.6.4 与其他方法识别率进行对比 | 第49-50页 |
| 3.7 本章小结 | 第50-51页 |
| 第四章 人脸识别考勤系统设计与实现 | 第51-76页 |
| 4.1 系统需求用例分析 | 第51-53页 |
| 4.1.1 人员信息管理 | 第51-52页 |
| 4.1.2 考勤信息记录 | 第52页 |
| 4.1.3 考勤信息管理 | 第52-53页 |
| 4.2 系统总体架构设计 | 第53-55页 |
| 4.2.1 系统逻辑架构设计 | 第53页 |
| 4.2.2 系统功能架构设计 | 第53-54页 |
| 4.2.3 人脸相关功能架构设计 | 第54-55页 |
| 4.3 系统数据库设计 | 第55-57页 |
| 4.3.1 数据库ER图设计 | 第55-56页 |
| 4.3.2 数据库表设计 | 第56-57页 |
| 4.4 软件系统实现 | 第57-69页 |
| 4.4.1 Caffe框架介绍 | 第57-59页 |
| 4.4.2 软硬件环境介绍 | 第59-60页 |
| 4.4.3 软件应用形式 | 第60页 |
| 4.4.4 人脸数据库CAE-FACES采集制作 | 第60-61页 |
| 4.4.5 系统功能模块实现 | 第61-66页 |
| 4.4.6 人脸相关模块实现 | 第66-69页 |
| 4.5 软件系统测试 | 第69-75页 |
| 4.5.1 测试环境 | 第69-70页 |
| 4.5.2 评价指标 | 第70页 |
| 4.5.3 功能测试 | 第70-72页 |
| 4.5.4 性能测试 | 第72-75页 |
| 4.6 本章小结 | 第75-76页 |
| 第五章 总结与展望 | 第76-78页 |
| 5.1 总结 | 第76-77页 |
| 5.2 展望 | 第77-78页 |
| 致谢 | 第78-79页 |
| 参考文献 | 第79-84页 |
| 攻读硕士期间的主要研究成果 | 第84页 |