| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第1章 绪论 | 第9-17页 |
| 1.1 研究背景及意义 | 第9-10页 |
| 1.2 人脸检测技术的研究现状与发展 | 第10-15页 |
| 1.2.1 人脸检测技术的国内外现状 | 第10-11页 |
| 1.2.2 人脸检测方法概述 | 第11-14页 |
| 1.2.3 人脸识别算法的一般流程与存在难点 | 第14-15页 |
| 1.2.4 多视角人脸检测技术概述 | 第15页 |
| 1.3 研究内容及结构安排 | 第15-17页 |
| 第2章 人脸检测相关技术描述 | 第17-28页 |
| 2.1 神经网络基本原理简介 | 第17页 |
| 2.2 神经元和神经网络介绍 | 第17-19页 |
| 2.3 卷积神经网络的网络模型介绍 | 第19-27页 |
| 2.3.1 卷积层 | 第19-21页 |
| 2.3.2 局部感知与权值共享 | 第21-23页 |
| 2.3.3 激活函数 | 第23-25页 |
| 2.3.4 池化层 | 第25-26页 |
| 2.3.5 Softmax回归分类器 | 第26-27页 |
| 2.4 本章小结 | 第27-28页 |
| 第3章 多视角模型的构建 | 第28-37页 |
| 3.1 引言 | 第28页 |
| 3.2 人脸头部姿态估计概述 | 第28-29页 |
| 3.3 基于Candide-3的人脸姿态估计模型 | 第29-34页 |
| 3.3.1 Candide-3简介 | 第29-31页 |
| 3.3.2 Candide-3标准模型的改进 | 第31-32页 |
| 3.3.3 基于人脸特征三角形的姿态确定 | 第32-33页 |
| 3.3.4 人脸姿态检测的实现 | 第33-34页 |
| 3.4 实验结果分析 | 第34-36页 |
| 3.5 本章小结 | 第36-37页 |
| 第4章 基于卷积神经网络的多视角人脸检测 | 第37-50页 |
| 4.1 引言 | 第37页 |
| 4.2 卷积神经网络模型构建 | 第37-40页 |
| 4.2.1 卷积神经网络模型的选取 | 第37-40页 |
| 4.3 基于卷积神经网络的多视角人脸检测框架 | 第40-41页 |
| 4.4 基于非极大值抑制算法的多窗口融合 | 第41-42页 |
| 4.4.1 非极大值抑制算法(NMS)原理 | 第41-42页 |
| 4.4.2 NMS实际应用的检测实现 | 第42页 |
| 4.5 实验数据获取及预处理 | 第42-44页 |
| 4.5.1 实验数据库选取 | 第42-43页 |
| 4.5.2 数据预处理 | 第43-44页 |
| 4.6 实验环境、实验及检测结果分析 | 第44-49页 |
| 4.6.1 实验环境配置信息 | 第44-45页 |
| 4.6.2 基于多视角人脸检测的实验、实验结果与分析 | 第45-49页 |
| 4.7 本章小结 | 第49-50页 |
| 第5章 总结与展望 | 第50-52页 |
| 5.1 全文总结 | 第50页 |
| 5.2 展望 | 第50-52页 |
| 参考文献 | 第52-56页 |
| 致谢 | 第56-57页 |
| 附录研究生期间发表的论文与研究成果 | 第57页 |