| 摘要 | 第5-6页 |
| abstract | 第6页 |
| 第一章 绪论 | 第9-15页 |
| 1.1 研究背景及意义 | 第9页 |
| 1.2 国内外研究现状 | 第9-13页 |
| 1.2.1 人脸检测 | 第10-11页 |
| 1.2.2 人脸识别 | 第11-13页 |
| 1.3 本文的主要内容和研究路线 | 第13页 |
| 1.4 论文结构安排 | 第13-15页 |
| 第二章 深度学习理论与应用简述 | 第15-31页 |
| 2.1 深度学习基本模型及应用特点 | 第15-28页 |
| 2.1.1 多层感知器 | 第15-18页 |
| 2.1.2 卷积神经网络 | 第18-23页 |
| 2.1.3 递归神经网络 | 第23-25页 |
| 2.1.4 模型训练与优化 | 第25-28页 |
| 2.2 深度学习和传统机器学习算法的联系与区别 | 第28-30页 |
| 2.2.1 传统机器学习算法的特点 | 第28-29页 |
| 2.2.2 深度学习算法的特点 | 第29页 |
| 2.2.3 深度学习和传统机器学习算法的发展方向 | 第29页 |
| 2.2.4 监控视频中人脸检测与识别的模型选择 | 第29-30页 |
| 2.3 本章小结 | 第30-31页 |
| 第三章 基于深度学习的人脸检测 | 第31-43页 |
| 3.1 基于深度学习的人脸检测经典算法 | 第31-34页 |
| 3.1.1 CascadeCNN | 第31-33页 |
| 3.1.2 MTCNN | 第33-34页 |
| 3.2 人脸检测的网络设计与训练 | 第34-37页 |
| 3.2.1 网络结构 | 第34-36页 |
| 3.2.2 网络训练 | 第36-37页 |
| 3.3 算法的测试和应用 | 第37-42页 |
| 3.3.1 人脸检测示例 | 第37页 |
| 3.3.2 FDDB数据库中的人脸检测测试 | 第37-40页 |
| 3.3.3 监控视频中的应用 | 第40-42页 |
| 3.4 本章小结 | 第42-43页 |
| 第四章 基于深度学习的人脸识别 | 第43-58页 |
| 4.1 基于深度学习的人脸识别经典算法 | 第43-45页 |
| 4.1.1 DeepID和DeepID | 第43-44页 |
| 4.1.2 FaceNet | 第44-45页 |
| 4.2 人脸识别网络的设计和训练 | 第45-50页 |
| 4.2.1 整体结构 | 第45页 |
| 4.2.2 网络结构详解 | 第45-49页 |
| 4.2.3 训练 | 第49-50页 |
| 4.3 算法的测试与应用 | 第50-57页 |
| 4.3.1 二值高维特征检索理论 | 第50-51页 |
| 4.3.2 特征库的构建和汉明距离分布 | 第51-53页 |
| 4.3.3 BLUFR人脸检索评价指标和LFW库测试 | 第53-54页 |
| 4.3.4 BLUFR评价指标的改进和LFW库测试 | 第54-55页 |
| 4.3.5 监控视频中的人脸检索 | 第55-57页 |
| 4.4 本章小结 | 第57-58页 |
| 第五章 软件平台和算法移植 | 第58-62页 |
| 5.1 开发环境 | 第58页 |
| 5.2 需求分析 | 第58页 |
| 5.3 模块简介 | 第58-60页 |
| 5.3.1 读取图片和显示 | 第59页 |
| 5.3.2 人脸检测和显示 | 第59-60页 |
| 5.3.3 人脸检索和显示 | 第60页 |
| 5.4 整体效果 | 第60-61页 |
| 5.5 本章小结 | 第61-62页 |
| 第六章 总结与展望 | 第62-64页 |
| 6.1 全文总结 | 第62页 |
| 6.2 展望 | 第62-64页 |
| 致谢 | 第64-65页 |
| 参考文献 | 第65-68页 |
| 攻读硕士学位期间取得的成果 | 第68页 |