出入境边防检查人脸识别系统设计与实现
| 摘要 | 第7-8页 |
| abstract | 第8页 |
| 1 绪论 | 第9-15页 |
| 1.1 研究背景 | 第9-10页 |
| 1.2 研究现状 | 第10-14页 |
| 1.3 研究内容 | 第14-15页 |
| 2 相关技术简介 | 第15-20页 |
| 2.1 Linux嵌入式操作系统简介 | 第15-17页 |
| 2.2 人脸识别算法概述 | 第17-19页 |
| 2.2.1 BP神经网络算法 | 第17-18页 |
| 2.2.2 支持向量机算法 | 第18-19页 |
| 2.3 本章小结 | 第19-20页 |
| 3 基于深度学习的人脸识别算法研究 | 第20-28页 |
| 3.1 深度学习算法概述 | 第20-21页 |
| 3.2 深度学习算法构建 | 第21-22页 |
| 3.3 深度学习算法设计 | 第22-25页 |
| 3.3.1 人脸图像数据预处理 | 第22-23页 |
| 3.3.2 受限玻尔兹曼机调节 | 第23-24页 |
| 3.3.3 深度学习的反馈调节 | 第24-25页 |
| 3.4 深度学习算法实验 | 第25-27页 |
| 3.4.1 PCA算法概述 | 第26页 |
| 3.4.2 对比分析实验 | 第26-27页 |
| 3.5 本章小结 | 第27-28页 |
| 4 边防检查人脸识别系统设计与实现 | 第28-53页 |
| 4.1 总体结构设计 | 第28-30页 |
| 4.2 系统基础平台搭建 | 第30-36页 |
| 4.2.1 系统硬件平台搭建 | 第30-33页 |
| 4.2.2 Linux软件平台搭建 | 第33-36页 |
| 4.3 数据采集子系统实现 | 第36-45页 |
| 4.3.1 视频数据采集 | 第36-38页 |
| 4.3.2 视频数据压缩 | 第38-44页 |
| 4.3.3 视频数据通信 | 第44-45页 |
| 4.4 后台监控子系统实现 | 第45-49页 |
| 4.4.1 视频采集云台控制 | 第46-47页 |
| 4.4.2 人脸图像自动识别 | 第47-49页 |
| 4.5 数据管理子系统实现 | 第49-52页 |
| 4.5.1 视频数据录像功能 | 第49-50页 |
| 4.5.2 视频数据存储管理 | 第50-52页 |
| 4.6 本章小结 | 第52-53页 |
| 5 边防检查人脸识别系统测试 | 第53-58页 |
| 5.1 人脸定位模块测试 | 第53-54页 |
| 5.1.1 功能测试 | 第53-54页 |
| 5.1.2 性能测试 | 第54页 |
| 5.2 人脸识别模块测试 | 第54-57页 |
| 5.2.1 功能测试 | 第54-55页 |
| 5.2.2 性能测试 | 第55-57页 |
| 5.3 本章小结 | 第57-58页 |
| 6 总结与展望 | 第58-60页 |
| 6.1 工作总结 | 第58-59页 |
| 6.2 不足与展望 | 第59-60页 |
| 参考文献 | 第60-63页 |
| 致谢 | 第63-64页 |
