| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第1章 绪论 | 第10-16页 |
| 1.1 课题背景研究及意义 | 第10页 |
| 1.2 国内外研究及应用现状 | 第10-13页 |
| 1.2.1 人脸识别技术的国内外发展及现状 | 第10-11页 |
| 1.2.2 人脸识别技术的应用现状 | 第11-12页 |
| 1.2.3 深度学习框架研究现状 | 第12-13页 |
| 1.3 课题来源和创新点及重点难分析 | 第13-16页 |
| 1.3.1 课题来源 | 第13页 |
| 1.3.2 课题创新点分析 | 第13-14页 |
| 1.3.3 研究内容及重难点分析 | 第14-16页 |
| 第2章 传统人脸识别算法分析 | 第16-25页 |
| 2.1 特征脸方法(Eigenface) | 第16-19页 |
| 2.1.1 主成分分析法(PCA)的原理 | 第16-17页 |
| 2.1.2 特征脸方法的实现及总结 | 第17-19页 |
| 2.2 局部二值模式方法(LBP) | 第19-21页 |
| 2.2.1 原始局部二值模式算子 | 第20页 |
| 2.2.2 局部二值模式特征匹配 | 第20页 |
| 2.2.3 局部二值模式方法的实现及总结 | 第20-21页 |
| 2.3 费舍尔脸(Fisherface) | 第21-23页 |
| 2.3.1 费舍尔脸的原理 | 第21-23页 |
| 2.3.2 费舍尔脸方法的实现及总结 | 第23页 |
| 2.4 本章小结 | 第23-25页 |
| 第3章 基于深度学习的人脸识别算法的提出 | 第25-49页 |
| 3.1 人脸识别算法框架介绍 | 第25-26页 |
| 3.2 基于改进的多任务级联卷积神经网络的人脸检测 | 第26-33页 |
| 3.2.1 多任务级联卷积神经网络总体框架 | 第27-31页 |
| 3.2.2 改进的卷积核 | 第31页 |
| 3.2.3 改进的激活函数 | 第31-33页 |
| 3.2.4 多任务损失函数的提出 | 第33页 |
| 3.3 基于堆叠式沙漏结构网络的人脸特征定位对齐 | 第33-40页 |
| 3.3.1 堆叠式沙漏结构网络的提出 | 第34-38页 |
| 3.3.2 基于德劳内三角化的特征点的人脸变换对齐 | 第38-40页 |
| 3.4 基于轻量级移动网络模型的人脸验证 | 第40-46页 |
| 3.4.1 轻量级移动网络的结构 | 第40-43页 |
| 3.4.2 带中心损失的Softmax函数的引入 | 第43-46页 |
| 3.5 JetsonTX1介绍 | 第46-48页 |
| 3.6 本章小结 | 第48-49页 |
| 第4章 人脸识别算法的实现 | 第49-62页 |
| 4.1 基于改进的多任务级联卷积神经网络的人脸检测模型的训练 | 第49-55页 |
| 4.1.1 WIDERFACE人脸数据集 | 第49-50页 |
| 4.1.2 PRO-Net网络模型的定义及训练 | 第50-55页 |
| 4.2 基于堆叠式沙漏结构网络的人脸特征定位对齐训练 | 第55-58页 |
| 4.2.1 人脸特征点定位数据集LS3D-W | 第55-56页 |
| 4.2.2 堆叠式沙漏结构人脸特征定位网络模型的定义及训练 | 第56-58页 |
| 4.2.3 人脸特征点对齐 | 第58页 |
| 4.3 基于轻量级移动网络的人脸验证模型训练 | 第58-60页 |
| 4.3.1 人脸验证数据集CASIA-WebFace | 第58-59页 |
| 4.3.2 轻量级移动网络模型的定义及训练 | 第59-60页 |
| 4.4 JetsonTX1系统配置与深度学习环境搭建 | 第60-61页 |
| 4.4.1 主机安装TensorFlow | 第61页 |
| 4.4.2 JetsonTX1安装深度学习依赖环境 | 第61页 |
| 4.4.3 JetsonTX1安装TensorFlow | 第61页 |
| 4.5 本章小结 | 第61-62页 |
| 第5章 实验结果分析 | 第62-85页 |
| 5.1 人脸识别算法实验结果 | 第62-82页 |
| 5.1.1 人脸检测——改进的多任务级联卷积神经网络的测试 | 第62-66页 |
| 5.1.2 人脸特征定位——堆叠式沙漏结构网络的测试 | 第66-71页 |
| 5.1.3 人脸验证——轻量级移动网络的测试 | 第71-81页 |
| 5.1.4 与其他方法的比较 | 第81-82页 |
| 5.2 人脸识别算法训练环境以及运行环境 | 第82-83页 |
| 5.3 本章小结 | 第83-85页 |
| 第6章 总结与展望 | 第85-87页 |
| 6.1 总结 | 第85-86页 |
| 6.2 展望 | 第86-87页 |
| 致谢 | 第87-88页 |
| 参考文献 | 第88-91页 |
| 附录 | 第91-95页 |
