| 摘要 | 第3-4页 |
| Abstract | 第4-5页 |
| 第1章 绪论 | 第9-17页 |
| 1.1 研究背景与意义 | 第9-11页 |
| 1.2 国内外研究现状 | 第11-14页 |
| 1.2.1 人脸检测的研究现状 | 第11-13页 |
| 1.2.2 人脸配准的研究现状 | 第13-14页 |
| 1.3 论文研究主要内容及章节安排 | 第14-17页 |
| 第2章 人脸检测与配准算法相关理论 | 第17-30页 |
| 2.1 深度卷积神经网络 | 第17-24页 |
| 2.1.1 神经网络 | 第17-20页 |
| 2.1.2 卷积神经网络 | 第20-24页 |
| 2.2 YOLO人脸检测算法 | 第24-27页 |
| 2.3 FPS3000人脸配准算法 | 第27-29页 |
| 2.4 本章小结 | 第29-30页 |
| 第3章 嵌入式人脸检测与配准算法设计与优化 | 第30-43页 |
| 3.1 人脸检测与配准算法设计 | 第30-32页 |
| 3.1.1 算法设计及流程 | 第30-31页 |
| 3.1.2 算法优化方向 | 第31-32页 |
| 3.2 改进网络结构加速人脸检测 | 第32-38页 |
| 3.2.1 轻量级YOLO目标检测网络 | 第32-34页 |
| 3.2.2 优化目标检测网络实现加速 | 第34-35页 |
| 3.2.3 采用SqueezeNet压缩与加速网络 | 第35-38页 |
| 3.3 优化人脸配准算法 | 第38-42页 |
| 3.3.1 LBF特征提取 | 第38-40页 |
| 3.3.2 基于级联编码的算法优化 | 第40-41页 |
| 3.3.3 特征点选择优化 | 第41-42页 |
| 3.4 本章小结 | 第42-43页 |
| 第4章 人脸检测与配准算法实现与分析 | 第43-61页 |
| 4.1 训练数据 | 第43-45页 |
| 4.1.1 人脸检测数据集 | 第43-44页 |
| 4.1.2 人脸配准数据集 | 第44-45页 |
| 4.2 算法实现与训练 | 第45-51页 |
| 4.2.1 实验环境 | 第45-46页 |
| 4.2.2 人脸检测实现 | 第46-50页 |
| 4.2.3 人脸配准实现 | 第50-51页 |
| 4.3 检测结果与分析 | 第51-57页 |
| 4.3.1 评价指标 | 第51-53页 |
| 4.3.2 实验结果与分析 | 第53-55页 |
| 4.3.3 结果对比与展示 | 第55-57页 |
| 4.4 配准结果与分析 | 第57-60页 |
| 4.4.1 实验结果与分析 | 第57-59页 |
| 4.4.2 结果对比与展示 | 第59-60页 |
| 4.5 人脸检测与配准算法整体实现 | 第60页 |
| 4.6 本章小结 | 第60-61页 |
| 第5章 人脸检测与配准算法的嵌入式实现与测试 | 第61-69页 |
| 5.1 嵌入式实验平台 | 第61-63页 |
| 5.1.1 JetsonTX1硬件平台 | 第61-62页 |
| 5.1.2 软件平台 | 第62-63页 |
| 5.2 人脸检测与配准算法的嵌入式实现 | 第63-64页 |
| 5.2.1 软件框架设计 | 第63-64页 |
| 5.2.2 软件实现 | 第64页 |
| 5.3 联合对比测试 | 第64-68页 |
| 5.4 本章小结 | 第68-69页 |
| 第6章 总结与展望 | 第69-71页 |
| 6.1 总结 | 第69-70页 |
| 6.2 展望 | 第70-71页 |
| 参考文献 | 第71-75页 |
| 致谢 | 第75-76页 |
| 攻读硕士学位期间的研究成果 | 第76页 |