| 摘要 | 第5-7页 |
| ABSTRACT | 第7-8页 |
| 第一章 绪论 | 第12-20页 |
| 1.1 研究背景与意义 | 第12页 |
| 1.2 国内外发展现状 | 第12-14页 |
| 1.3 人脸识别技术的发展 | 第14-18页 |
| 1.3.1 传统人脸识别的发展 | 第14-17页 |
| 1.3.2 基于深度学习的人脸识别技术发展 | 第17-18页 |
| 1.4 本文主要工作 | 第18-19页 |
| 1.5 本论文的结构安排 | 第19-20页 |
| 第二章 卷积神经网络的理论基础 | 第20-32页 |
| 2.1 神经网络的理论基础 | 第20-26页 |
| 2.1.1 前馈神经网络的结构 | 第20-21页 |
| 2.1.2 梯度下降 | 第21-23页 |
| 2.1.3 误差反向传播（Error Back Propagation）算法 | 第23-26页 |
| 2.2 卷积神经网络结构的组成 | 第26-31页 |
| 2.2.1 各种线性计算层 | 第26-28页 |
| 2.2.2 激活函数 | 第28-29页 |
| 2.2.3 网络整体架构 | 第29-31页 |
| 2.3 本章小结 | 第31-32页 |
| 第三章 Lightened VGG卷积神经网络 | 第32-57页 |
| 3.1 ReLU(Rectified Linear Units) | 第32-34页 |
| 3.2 Dropout | 第34页 |
| 3.3 Lightened VGG卷积神经网络模型 | 第34-41页 |
| 3.3.1 原VGG网络结构简析 | 第35-37页 |
| 3.3.2 Lightened VGG神经网络模型 | 第37-41页 |
| 3.4 Lightened VGG模型的训练与实验分析 | 第41-50页 |
| 3.4.1 图片数据库与预处理 | 第41-43页 |
| 3.4.2 Lightened VGG网络模型的训练与实验分析 | 第43-50页 |
| 3.5 Siamese网络模型 | 第50-56页 |
| 3.5.1 Contrastive Loss Function | 第50-53页 |
| 3.5.2 Siamese网络训练与实验分析 | 第53-56页 |
| 3.6 本章小结 | 第56-57页 |
| 第四章 Residual卷积神经网络 | 第57-77页 |
| 4.1 深层网络优化难题 | 第57-58页 |
| 4.2 残差学习（Residual Learning） | 第58-60页 |
| 4.3 Residual卷积神经网络 | 第60-66页 |
| 4.3.1 Batch Normalization | 第60-61页 |
| 4.3.2 Residual Block局部单元 | 第61-64页 |
| 4.3.3 整体网络模型详解 | 第64-66页 |
| 4.4 Residual卷积网络的训练与实验分析 | 第66-76页 |
| 4.4.1 图片数据与预处理 | 第66-67页 |
| 4.4.2 网络的训练 | 第67-70页 |
| 4.4.3 LFW验证结果分析 | 第70-72页 |
| 4.4.4 网络模型可视化分析 | 第72-74页 |
| 4.4.5 与同类方法对比 | 第74-75页 |
| 4.4.6 Residual卷积神经网络的优缺点 | 第75-76页 |
| 4.5 本章小结 | 第76-77页 |
| 第五章 人脸识别系统设计与实现 | 第77-93页 |
| 5.1 系统概述 | 第77-78页 |
| 5.2 系统整体框架 | 第78-83页 |
| 5.2.1 监控视频流解析 | 第78-79页 |
| 5.2.2 人脸检测 | 第79-80页 |
| 5.2.3 图片预处理 | 第80页 |
| 5.2.4 深度卷积神经网络 | 第80-82页 |
| 5.2.5 特征对比验证 | 第82页 |
| 5.2.6 日志记录 | 第82-83页 |
| 5.3 在线人脸识别流程 | 第83-84页 |
| 5.4 离线网络训练与验证流程 | 第84-86页 |
| 5.4.1 训练流程 | 第84-86页 |
| 5.4.2 验证流程 | 第86页 |
| 5.5 系统测试与分析 | 第86-92页 |
| 5.5.1 自建小型人脸库 | 第87页 |
| 5.5.2 测试结果 | 第87-89页 |
| 5.5.3 系统的效果与计算效率分析 | 第89-91页 |
| 5.5.4 系统的优点与缺点 | 第91-92页 |
| 5.6 本章小结 | 第92-93页 |
| 第六章 总结与展望 | 第93-95页 |
| 6.1 本文的主要贡献 | 第93-94页 |
| 6.2 下一步工作的展望 | 第94-95页 |
| 致谢 | 第95-96页 |
| 参考文献 | 第96-101页 |
| 攻硕期间取得的研究成果 | 第101-102页 |
