基于卷积神经网络的身份识别技术研究与应用
| 摘要 | 第2-3页 |
| Abstract | 第3页 |
| 1 绪论 | 第6-10页 |
| 1.1 研究背景及意义 | 第6-7页 |
| 1.2 身份识别技术研究现状 | 第7-9页 |
| 1.3 本文主要内容及组织结构 | 第9-10页 |
| 2 卷积神经网络 | 第10-21页 |
| 2.1 卷积神经网络的发展历史 | 第10-13页 |
| 2.1.1 神经元与感知机 | 第10-12页 |
| 2.1.2 人工神经网络 | 第12页 |
| 2.1.3 卷积神经网络 | 第12-13页 |
| 2.2 卷积神经网络的组成 | 第13-16页 |
| 2.2.1 卷积层 | 第13-15页 |
| 2.2.2 池化层 | 第15-16页 |
| 2.2.3 全连接层 | 第16页 |
| 2.3 卷积神经网络的训练 | 第16-20页 |
| 2.3.1 前向传播 | 第16-18页 |
| 2.3.2 反向传播 | 第18-20页 |
| 2.4 本章小结 | 第20-21页 |
| 3 基于多视角人体特征的多网络身份识别模型 | 第21-29页 |
| 3.1 多网络身份识别模型概述 | 第21-22页 |
| 3.2 多网络身份识别模型的框架 | 第22-23页 |
| 3.3 多网络身份识别模型的训练和测试 | 第23-28页 |
| 3.3.1 训练流程 | 第23-27页 |
| 3.3.2 测试流程 | 第27-28页 |
| 3.4 本章小结 | 第28-29页 |
| 4 基于视频图像序列的人体目标检测与识别 | 第29-40页 |
| 4.1 视频图像序列中的目标检测 | 第29-37页 |
| 4.1.1 目标检测的方法 | 第29-30页 |
| 4.1.2 基于背景差法的目标检测 | 第30-37页 |
| 4.2 视频图像序列中的身份识别 | 第37-39页 |
| 4.2.1 身份识别的方法 | 第37-38页 |
| 4.2.2 基于多网络身份识别模型的身份识别 | 第38-39页 |
| 4.3 本章小结 | 第39-40页 |
| 5 实验与分析 | 第40-49页 |
| 5.1 搭建实验环境 | 第40-41页 |
| 5.2 构建多视角数据集 | 第41-44页 |
| 5.3 对比实验 | 第44-47页 |
| 5.3.1 单视角单网络实验 | 第44-45页 |
| 5.3.2 多视角单网络实验 | 第45页 |
| 5.3.3 多视角多网络实验 | 第45-46页 |
| 5.3.4 多视角多网络加权实验 | 第46-47页 |
| 5.4 实验分析 | 第47-49页 |
| 结论 | 第49-50页 |
| 参考文献 | 第50-54页 |
| 致谢 | 第54-56页 |
