| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第1章 绪论 | 第9-14页 |
| 1.1 课题来源 | 第9页 |
| 1.2 本课题研究的目的及意义 | 第9-10页 |
| 1.3 国内外研究现状 | 第10-13页 |
| 1.3.1 基于统计的方法 | 第11页 |
| 1.3.2 基于几何特征的方法 | 第11-12页 |
| 1.3.3 人工神经网络的方法 | 第12-13页 |
| 1.4 本文主要研究内容 | 第13-14页 |
| 第2章 视频人脸检测识别方法研究概述 | 第14-23页 |
| 2.1 人脸检测Adaboost算法概述 | 第14-15页 |
| 2.2 深度学习概述 | 第15-19页 |
| 2.2.1 深度学习基础理论 | 第16-18页 |
| 2.2.2 深度学习设计模型 | 第18-19页 |
| 2.3 人脸识别算法概述 | 第19-22页 |
| 2.3.1 BP神经网络 | 第19-21页 |
| 2.3.2 支持向量机 | 第21-22页 |
| 2.4 本章小结 | 第22-23页 |
| 第3章 基于深度学习的人脸识别算法 | 第23-29页 |
| 3.1 数据整合 | 第24页 |
| 3.2 构造数据立方体 | 第24-25页 |
| 3.3 调节RBM | 第25-27页 |
| 3.4 深度模型的反馈微调 | 第27-28页 |
| 3.5 本章小结 | 第28-29页 |
| 第4章 深度学习实验与分析 | 第29-50页 |
| 4.1 深度学习模型的训练 | 第29-31页 |
| 4.1.1 RBM 训练的实验与分析 | 第29-30页 |
| 4.1.2 深度学习反馈微调的实验和分析 | 第30-31页 |
| 4.2 深度学习模型的构造和选取 | 第31-37页 |
| 4.3 PCA算法和深度学习对比的实验与分析 | 第37-43页 |
| 4.3.1 PCA算法基础理论 | 第37-38页 |
| 4.3.2 PCA与深度学习的实验分析 | 第38-40页 |
| 4.3.3 PCA 与深度学习的对比分析 | 第40-43页 |
| 4.4 基于深度学习的BP识别算法的性能分析 | 第43-49页 |
| 4.4.1 失衡训练集对BP识别效果影响的实验与分析 | 第43-47页 |
| 4.4.2 BP识别算法过拟合现象的实验与分析 | 第47-49页 |
| 4.5 本章小结 | 第49-50页 |
| 第5章 视频人脸检测识别系统 | 第50-56页 |
| 5.1 人脸检测模块 | 第51-53页 |
| 5.1.1 肤色模型人脸过滤 | 第52页 |
| 5.1.2 唇色模型人脸过滤 | 第52-53页 |
| 5.2 样本集自动生成模块 | 第53-54页 |
| 5.2.1 数据采集 | 第53-54页 |
| 5.2.2 数据预处理 | 第54页 |
| 5.3 说话者识别模块 | 第54-55页 |
| 5.4 本章小结 | 第55-56页 |
| 结论 | 第56-57页 |
| 参考文献 | 第57-61页 |
| 攻读硕士学位期间发表的论文及其它成果 | 第61-63页 |
| 致谢 | 第63页 |