| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第一章 绪论 | 第10-16页 |
| 1.1 课题研究背景 | 第10-11页 |
| 1.2 课题研究现状 | 第11-14页 |
| 1.3 研究目标与工作 | 第14页 |
| 1.4 本文的组织结构 | 第14-16页 |
| 第二章 基于人脸识别的涉密场所视频监控系统的关键技术 | 第16-24页 |
| 2.1 H.264视频编码技术 | 第16-17页 |
| 2.2 H.264的RTP封装 | 第17-19页 |
| 2.3 人脸识别技术 | 第19-22页 |
| 2.3.1 LFW人脸识别数据库 | 第20-21页 |
| 2.3.2 基于卷积神经网络的人脸验证 | 第21-22页 |
| 2.4 本章小结 | 第22-24页 |
| 第三章 基于卷积神经网络的人脸识别 | 第24-39页 |
| 3.1 人工神经网络 | 第24-28页 |
| 3.1.1 单个神经元 | 第25页 |
| 3.1.2 Sigmoid激励函数 | 第25-26页 |
| 3.1.3 Tanh激励函数 | 第26-27页 |
| 3.1.4 ReLU激励函数 | 第27-28页 |
| 3.2 BP神经网络 | 第28-30页 |
| 3.2.1 前向传播算法 | 第28-29页 |
| 3.2.2 反向传播算法 | 第29-30页 |
| 3.3 卷积神经网络 | 第30-35页 |
| 3.3.1 局部连接 | 第31-32页 |
| 3.3.2 权值共享 | 第32页 |
| 3.3.3 池化 | 第32-33页 |
| 3.3.4 卷积神经网络结构 | 第33-34页 |
| 3.3.5 卷积神经网络的训练过程 | 第34-35页 |
| 3.4 基于卷积神经网络的人脸识别实现 | 第35-38页 |
| 3.4.1 人脸检测实现 | 第35-36页 |
| 3.4.2 人脸对准实现 | 第36-37页 |
| 3.4.3 人脸识别实现 | 第37-38页 |
| 3.5 本章小结 | 第38-39页 |
| 第四章 基于人脸识别的涉密场所视频监控系统的设计与实现 | 第39-54页 |
| 4.1 系统实现目标 | 第39-40页 |
| 4.2 具体系统功能需求 | 第40-41页 |
| 4.2.1 实时画面监控 | 第40页 |
| 4.2.2 视频图像人员信息识别 | 第40-41页 |
| 4.2.3 异常人员通过自动录像模式 | 第41页 |
| 4.3 服务器模型设计 | 第41-43页 |
| 4.4 服务器业务逻辑设计 | 第43-50页 |
| 4.5 客户端业务逻辑设计 | 第50-53页 |
| 4.6 本章小结 | 第53-54页 |
| 第五章 涉密场所视频监控系统的测试 | 第54-66页 |
| 5.1 测试环境 | 第54-55页 |
| 5.2 人脸识别准确度检测 | 第55-56页 |
| 5.3 视频监控功能测试 | 第56-65页 |
| 5.3.1 监控网络功能测试 | 第57-59页 |
| 5.3.2 人脸识别功能测试 | 第59-63页 |
| 5.3.3 系统性能测试 | 第63-65页 |
| 5.4 本章小结 | 第65-66页 |
| 总结和展望 | 第66-69页 |
| 参考文献 | 第69-75页 |
| 攻读硕士学位期间取得的研究成果 | 第75-76页 |
| 致谢 | 第76-77页 |
| 附件 | 第77页 |