面向大学课堂的抬头率检测系统的研究与实现
| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 1 绪论 | 第8-13页 |
| 1.1 研究背景和意义 | 第8页 |
| 1.2 国内外研究现状 | 第8-11页 |
| 1.3 项目来源及研究内容 | 第11-12页 |
| 1.4 论文组织结构 | 第12-13页 |
| 2 相关技术综述 | 第13-22页 |
| 2.1 卷积神经网络 | 第13-17页 |
| 2.2 人脸检测技术 | 第17-19页 |
| 2.3 深度学习Caffe框架 | 第19-21页 |
| 2.4 本章小结 | 第21-22页 |
| 3 系统需求分析与设计 | 第22-31页 |
| 3.1 需求分析 | 第22页 |
| 3.2 系统设计 | 第22-29页 |
| 3.3 系统流程 | 第29-30页 |
| 3.4 本章小结 | 第30-31页 |
| 4 算法设计与实现 | 第31-50页 |
| 4.1 人脸检测算法的设计与实现 | 第31-41页 |
| 4.2 学生抬头识别算法的设计与实现 | 第41-45页 |
| 4.3 课堂人数统计算法的设计与实现 | 第45-49页 |
| 4.4 本章小结 | 第49-50页 |
| 5 系统实现与测试 | 第50-59页 |
| 5.1 学生抬头识别测试 | 第50-53页 |
| 5.2 模型部署框架优化 | 第53-56页 |
| 5.3 系统多路视频测试 | 第56-58页 |
| 5.4 本章小结 | 第58-59页 |
| 6 总结与展望 | 第59-60页 |
| 6.1 本文工作总结 | 第59页 |
| 6.2 未来工作展望 | 第59-60页 |
| 致谢 | 第60-61页 |
| 参考文献 | 第61-64页 |
