基于人脸的图像验证码自动识别方法研究
| 摘要 | 第5-7页 |
| ABSTRACT | 第7-8页 |
| 缩略语对照表 | 第12-15页 |
| 第一章 绪论 | 第15-23页 |
| 1.1 课题背景 | 第15-16页 |
| 1.2 国内外研究现状 | 第16-21页 |
| 1.2.1 文本验证码 | 第16-17页 |
| 1.2.2 图像验证码 | 第17-20页 |
| 1.2.3 语音验证码 | 第20页 |
| 1.2.4 视频验证码 | 第20-21页 |
| 1.3 研究意义 | 第21页 |
| 1.4 本章小结 | 第21-23页 |
| 第二章 相关工作 | 第23-33页 |
| 2.1 人脸识别概述 | 第23-28页 |
| 2.1.1 人脸检测 | 第23-25页 |
| 2.1.2 人脸识别 | 第25-26页 |
| 2.1.3 现有算法的局限性 | 第26-28页 |
| 2.2 研究内容 | 第28-30页 |
| 2.2.1 FaceDCAPTCHA | 第28页 |
| 2.2.2 FR-CAPTCHA | 第28-30页 |
| 2.3 本章小结 | 第30-33页 |
| 第三章 FaceDCAPTCHA的自动识别 | 第33-49页 |
| 3.1 提取人脸/非人脸 | 第34-35页 |
| 3.2 CNN识别 | 第35-38页 |
| 3.2.1 CNN原理 | 第35-36页 |
| 3.2.2 识别过程及结果 | 第36-38页 |
| 3.3 特征提取和SVM识别 | 第38-48页 |
| 3.3.1 SVM | 第39-40页 |
| 3.3.2 颜色特征 | 第40-41页 |
| 3.3.3 结构纹理特征 | 第41-42页 |
| 3.3.4 基于LBP和PCA的特征 | 第42-45页 |
| 3.3.5 Laws Masks | 第45-48页 |
| 3.4 本章小结 | 第48-49页 |
| 第四章 FR-CAPTCHA的自动识别 | 第49-57页 |
| 4.1 人脸的提取 | 第50-52页 |
| 4.1.1 Haar特征+adaboost检测 | 第50-51页 |
| 4.1.2 检测结果 | 第51-52页 |
| 4.2 人脸的匹配 | 第52-56页 |
| 4.2.1 直方图对比 | 第52-54页 |
| 4.2.2 几何特征匹配 | 第54-55页 |
| 4.2.3 弹性束图匹配 | 第55-56页 |
| 4.3 本章小结 | 第56-57页 |
| 第五章 结果分析与讨论 | 第57-63页 |
| 5.1 FaceDCAPTCHA识别 | 第57-58页 |
| 5.1.1 自动识别结果汇总 | 第57-58页 |
| 5.1.2 失败原因分析 | 第58页 |
| 5.2 FR-CAPTCHA识别 | 第58-61页 |
| 5.2.1 自动识别结果汇总 | 第58-59页 |
| 5.2.2 自动识别结果分析 | 第59-61页 |
| 5.3 下一代基于人脸的图像验证码改进建议 | 第61页 |
| 5.4 本章小结 | 第61-63页 |
| 第六章 总结与展望 | 第63-65页 |
| 6.1 本文总结 | 第63-64页 |
| 6.2 未来的工作展望 | 第64-65页 |
| 参考文献 | 第65-69页 |
| 致谢 | 第69-71页 |
| 作者简介 | 第71-72页 |
