结合人脸检测的活体识别方法研究
| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第10-13页 |
| 1.1 研究背景和意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-12页 |
| 1.3 本文的工作及内容安排 | 第12-13页 |
| 第2章 人脸活体检测算法的基本理论 | 第13-26页 |
| 2.1 基于非交互式的人脸活体检测算法简介 | 第13-17页 |
| 2.1.1 基于图像的人脸活体检测 | 第13-16页 |
| 2.1.2 基于视频的人脸活体检测 | 第16-17页 |
| 2.2 活体人脸检测的常用方法 | 第17-22页 |
| 2.2.1 傅里叶频谱方法 | 第18页 |
| 2.2.2 三维深度分析 | 第18-19页 |
| 2.2.3 脸部光流分析法 | 第19-21页 |
| 2.2.4 眨眼等行为检测 | 第21页 |
| 2.2.5 基于局部二值模型的特征提取 | 第21-22页 |
| 2.3 人脸活体检测数据库 | 第22-25页 |
| 2.3.1 Replay-attack数据库 | 第22-23页 |
| 2.3.2 CASIA-FASD数据库 | 第23-24页 |
| 2.3.3 自作活体数据库 | 第24-25页 |
| 2.4 本章小结 | 第25-26页 |
| 第3章 基于深度学习下的活体人脸检测算法的改进 | 第26-40页 |
| 3.1 深度学习基本理论 | 第26-30页 |
| 3.1.1 神经网络前传流程 | 第26-28页 |
| 3.1.2 反向传播过程与损失函数 | 第28-30页 |
| 3.1.3 卷积神经网络 | 第30页 |
| 3.2 MTCNN网络模型 | 第30-34页 |
| 3.2.1 模型结构 | 第30-32页 |
| 3.2.2 数据训练 | 第32-33页 |
| 3.2.3 预测过程 | 第33-34页 |
| 3.3 人脸识别Alexnet网络的结构改进设计 | 第34-39页 |
| 3.3.1 全连接层数的影响分析 | 第34-35页 |
| 3.3.2 卷积核大小的影响分析 | 第35-37页 |
| 3.3.3 结构改进设计 | 第37-39页 |
| 3.4 本章小结 | 第39-40页 |
| 第4章 人脸活体检测的实验结果与分析 | 第40-45页 |
| 4.1 系统环境搭建 | 第40-41页 |
| 4.2 不同方法下的正确率以及用时对比 | 第41-44页 |
| 4.2.1 准确率对比 | 第42-43页 |
| 4.2.2 算法实时性对比与分析 | 第43-44页 |
| 4.3 本章小结 | 第44-45页 |
| 结论 | 第45-46页 |
| 参考文献 | 第46-50页 |
| 攻读学位期间取得的学术成果 | 第50-51页 |
| 致谢 | 第51页 |
