| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 第1章 绪论 | 第9-17页 |
| 1.1 课题背景与研究意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-15页 |
| 1.2.1 基于外部设备的生物特征活体检测 | 第11-12页 |
| 1.2.2 基于生物移动特征的活体检测 | 第12-13页 |
| 1.2.3 基于单一图像纹理的活体检测 | 第13-14页 |
| 1.2.4 其他活体检测方法 | 第14-15页 |
| 1.3 本文主要研究内容 | 第15-17页 |
| 第2章 掌纹活体检测数据库 | 第17-24页 |
| 2.1 引言 | 第17页 |
| 2.2 掌纹数据采集设备介绍 | 第17-19页 |
| 2.3 掌纹活体检测数据库 | 第19-22页 |
| 2.3.1 真实掌纹数据采集 | 第19-20页 |
| 2.3.2 翻拍掌纹数据采集 | 第20-22页 |
| 2.4 本章小结 | 第22-24页 |
| 第3章 基于纹理特征的掌纹活体检测方法 | 第24-32页 |
| 3.1 引言 | 第24-25页 |
| 3.2 图像纹理特征提取 | 第25-28页 |
| 3.2.1 傅里叶频域分析 | 第25页 |
| 3.2.2 局部二值模式（LBP） | 第25-27页 |
| 3.2.3 局部象限量化（LPQ） | 第27-28页 |
| 3.3 基于图像纹理特征的活体检测方法 | 第28-29页 |
| 3.4 实验结果及分析 | 第29-31页 |
| 3.5 本章小结 | 第31-32页 |
| 第4章 基于BSIF滤波结合图像质量评估的检测方法 | 第32-40页 |
| 4.1 引言 | 第32页 |
| 4.2 二值统计图像特征（BSIF） | 第32-34页 |
| 4.3 图像质量评估的的人手活体检测 | 第34-37页 |
| 4.4 实验结果分析 | 第37-38页 |
| 4.5 本章小结 | 第38-40页 |
| 第5章 基于深度学习的掌纹活体检测方法 | 第40-50页 |
| 5.1 引言 | 第40页 |
| 5.2 深度学习简介 | 第40-42页 |
| 5.3 AlexNet深度卷积网络模型 | 第42-44页 |
| 5.4 基于AlexNet深度卷积网络的人手活体检测 | 第44-45页 |
| 5.5 实验结果分析 | 第45-49页 |
| 5.5.1 实验运行坏境及设备 | 第45-46页 |
| 5.5.2 实验结果及分析 | 第46-49页 |
| 5.6 本章小结 | 第49-50页 |
| 第6章 掌纹活体检测系统实现 | 第50-55页 |
| 6.1 引言 | 第50-51页 |
| 6.2 肤色模型定位手掌区域 | 第51-52页 |
| 6.3 系统实现 | 第52-54页 |
| 6.4 本章小结 | 第54-55页 |
| 结论 | 第55-56页 |
| 参考文献 | 第56-61页 |
| 攻读硕士学位期间发表的论文及其他成果 | 第61-63页 |
| 致谢 | 第63页 |