基于人脸识别的矿井人员管理技术研究
| 摘要 | 第3-4页 |
| Abstract | 第4-5页 |
| 1 绪论 | 第8-13页 |
| 1.1 选题背景及研究意义 | 第8-9页 |
| 1.2 国内外研究现状 | 第9-10页 |
| 1.3 矿井人脸识别的特点及技术难点 | 第10-11页 |
| 1.4 本文主要工作及内容安排 | 第11-13页 |
| 2 矿井人员管理方法分析 | 第13-19页 |
| 2.1 矿井人员管理主要系统分析 | 第13-14页 |
| 2.2 人脸识别技术 | 第14-18页 |
| 2.2.1 人脸图像检测技术 | 第14-16页 |
| 2.2.2 人脸识别技术 | 第16-18页 |
| 2.3 本章小结 | 第18-19页 |
| 3 矿井人员人脸检测算法 | 第19-30页 |
| 3.1 图像采集及预处理 | 第19-24页 |
| 3.2 矿井人员人脸检测技术 | 第24-29页 |
| 3.2.1 Canny边缘检测方法 | 第24-27页 |
| 3.2.2 人脸检测和提取 | 第27-29页 |
| 3.3 本章小结 | 第29-30页 |
| 4 基于深度信念网络的矿井人脸识别算法 | 第30-46页 |
| 4.1 深度学习理论及常用算法 | 第30-33页 |
| 4.1.1 深度学习 | 第30-31页 |
| 4.1.2 深度学习常用算法 | 第31-33页 |
| 4.2 基于PCA-DBNs的人脸识别算法 | 第33-41页 |
| 4.2.1 基于PCA特征提取方法 | 第33-36页 |
| 4.2.2 受限玻尔兹曼机模型 | 第36-38页 |
| 4.2.3 DBNs人脸识别模型 | 第38-40页 |
| 4.2.4 PCA-DBNs的人脸识别算法 | 第40-41页 |
| 4.3 PCA-DBNs的人脸识别算法仿真 | 第41-45页 |
| 4.4 本章小结 | 第45-46页 |
| 5 基于PCA-DBNs的矿井人员人脸识别验证 | 第46-55页 |
| 5.1 基于人脸识别的矿井人员管理系统结构 | 第46-47页 |
| 5.2 矿井人脸识别系统人机界面 | 第47-50页 |
| 5.3 矿井人脸检测和识别运行 | 第50-54页 |
| 5.4 本章小结 | 第54-55页 |
| 6 结论和展望 | 第55-57页 |
| 6.1 总结 | 第55页 |
| 6.2 展望 | 第55-57页 |
| 致谢 | 第57-58页 |
| 参考文献 | 第58-61页 |
| 附录 | 第61页 |
