| 摘要 | 第3-5页 |
| Abstract | 第5-6页 |
| 1 绪论 | 第10-15页 |
| 1.1 课题研究背景和意义 | 第10页 |
| 1.2 国内外研究现状 | 第10-12页 |
| 1.2.1 基于指纹识别的方法研究 | 第10页 |
| 1.2.2 基于人脸定位与识别的方法研究 | 第10-12页 |
| 1.2.3 CNN的 应用成果 | 第12页 |
| 1.3 本文研究的内容 | 第12-13页 |
| 1.4 本文的特色与不足 | 第13页 |
| 1.5 文章结构安排 | 第13-15页 |
| 2 卷积神经网络(CNN) | 第15-21页 |
| 2.1 CNN的结构 | 第15-18页 |
| 2.2 CNN误差传递过程 | 第18-20页 |
| 2.3 CNN用于本项目的优势 | 第20页 |
| 2.4 本章小结 | 第20-21页 |
| 3 基于Adaboost与CNN的人脸定位 | 第21-35页 |
| 3.1 Adaboost算法的人脸定位 | 第21-23页 |
| 3.2 Adaboost与CNN人脸定位 | 第23-27页 |
| 3.2.1 CNN人 脸定位结构 | 第23页 |
| 3.2.2 人脸训练过程 | 第23-26页 |
| 3.2.3 建立高斯混合模型背景 ， 提取运动目标 | 第26-27页 |
| 3.2.4 运用Adaboost与CNN在 运动目标区域内定位人脸 | 第27页 |
| 3.3 实验结果与分析 | 第27-34页 |
| 3.3.1 中国儿童测试 | 第27-30页 |
| 3.3.2 中国成人测试 | 第30-32页 |
| 3.3.3 外国儿童测试 | 第32-33页 |
| 3.3.4 外国成人测试 | 第33页 |
| 3.3.5 美国加州理工学院吴恩达的人脸数据库测试 | 第33-34页 |
| 3.4 本章小结 | 第34-35页 |
| 4 基于步长为2的CNN的人脸识别 | 第35-47页 |
| 4.1 CNN在不同步长下的性能分析 | 第35-36页 |
| 4.2 CNN的人物身份识别结构 | 第36-39页 |
| 4.3 实验结果与分析 | 第39-46页 |
| 4.3.1 本文CNN与 传统CNN在yale人 脸库的识别 | 第39-41页 |
| 4.3.2 本文CNN与 传统CNN在ORL人 脸库的识别 | 第41-43页 |
| 4.3.3 本文CNN错 误识别原因分析 | 第43-44页 |
| 4.3.4 本文CNN与BP算 法、传 统CNN在yale与ORL人 脸库性能对 比 | 第44-46页 |
| 4.4 本章小结 | 第46-47页 |
| 5 出入口人物身份识别系统的实现 | 第47-61页 |
| 5.1 出入口人物身份识别系统架构 | 第47-48页 |
| 5.2 人脸库与CNN特征可视化 | 第48-53页 |
| 5.2.1 人脸库的建立 | 第48-50页 |
| 5.2.2 人脸库CNN特 征可视化 | 第50-53页 |
| 5.3 人脸图像校正与归一化 | 第53-54页 |
| 5.3.1 人脸图像校正 | 第53页 |
| 5.3.2 人脸图像归一化 | 第53-54页 |
| 5.4 系统设计与实验结果及分析 | 第54-60页 |
| 5.4.1 系统展示 | 第54页 |
| 5.4.2 部分实验结果及分析 | 第54-60页 |
| 5.5 本章小结 | 第60-61页 |
| 6 总结与展望 | 第61-63页 |
| 参考文献 | 第63-65页 |
| 致谢 | 第65-66页 |
| 在校期间科研成果 | 第66页 |
