| 摘要 | 第5-6页 |
| abstract | 第6-7页 |
| 第1章 绪论 | 第10-24页 |
| 1.1 论文的研究背景和意义 | 第10-11页 |
| 1.2 活体检测技术国内外发展现状 | 第11-20页 |
| 1.2.1 常见的人脸活体检测方法 | 第12-17页 |
| 1.2.2 活体检测性能的评估方法 | 第17-18页 |
| 1.2.3 人脸活体检测数据库 | 第18-20页 |
| 1.3 面向人脸识别的活体检测系统存在的问题及发展趋势 | 第20-21页 |
| 1.4 本文主要研究内容 | 第21-24页 |
| 第2章 基于后验概率可变形模型眨眼分析的静态图像活体检测 | 第24-42页 |
| 2.1 人脸图像预处理 | 第24-28页 |
| 2.1.1 图像灰度化 | 第24-25页 |
| 2.1.2 直方图均衡化 | 第25页 |
| 2.1.3 图像滤波 | 第25-27页 |
| 2.1.4 光照补偿 | 第27-28页 |
| 2.2 基于肤色模型的人脸区域检测定位 | 第28-34页 |
| 2.3 基于后验概率可变形模型的人眼区域定位 | 第34-37页 |
| 2.3.1 人眼区域检测定位方法 | 第34页 |
| 2.3.2 基于后验概率可变形模型的人眼区域定位 | 第34-37页 |
| 2.4 应用眨眼分析的静态活体检测 | 第37-41页 |
| 2.4.1 对人眼区域进行形态学处理 | 第38-40页 |
| 2.4.2 分析人眼区域检测是否发生眨眼行为 | 第40-41页 |
| 2.5 本章小结 | 第41-42页 |
| 第3章 基于纹理分析的动态视频活体检测 | 第42-56页 |
| 3.1 针对视频的活体检测方法 | 第42页 |
| 3.2 结合“三庭五眼”特征的五官定位分割 | 第42-43页 |
| 3.3 基于SEMB-LBP的图像特征提取 | 第43-50页 |
| 3.3.1 特征提取方法 | 第44-45页 |
| 3.3.2 原始的LBP特征提取 | 第45-47页 |
| 3.3.3 MB-LBP特征提取 | 第47-48页 |
| 3.3.4 SEMB-LBP特征提取 | 第48-50页 |
| 3.4 基于稀疏支持向量机的样本分类检测 | 第50-55页 |
| 3.4.1 支持向量机 | 第51-53页 |
| 3.4.2 稀疏支持向量机 | 第53-55页 |
| 3.5 本章小结 | 第55-56页 |
| 第4章 仿真结果分析 | 第56-66页 |
| 4.1 图像人脸区域处理 | 第56-60页 |
| 4.1.1 基于肤色模型的人脸区域定位 | 第58-59页 |
| 4.1.2 人眼区域检测及定位 | 第59页 |
| 4.1.3 REPLAY-ATTACK人脸数据库及自建人脸库五官分割 | 第59-60页 |
| 4.2 对人眼区域的状态分析 | 第60-61页 |
| 4.3 对人脸区域SEMB-LBP特征提取 | 第61-63页 |
| 4.4 REPLAY-ATTACK及自建人脸库仿真结果分析 | 第63-65页 |
| 4.5 本章小结 | 第65-66页 |
| 结论 | 第66-68页 |
| 参考文献 | 第68-72页 |
| 攻读硕士期间发表的论文和取得的科研成果 | 第72-74页 |
| 致谢 | 第74页 |
