首页--工业技术论文--自动化技术、计算机技术论文--计算技术、计算机技术论文--计算机的应用论文--信息处理(信息加工)论文--模式识别与装置论文

目标驱动的监控视频定位系统中人脸识别方法的设计与实现

摘要第5-6页
ABSTRACT第6-7页
第一章 绪论第10-16页
    1.1 研究背景第10-11页
    1.2 研究内容第11-13页
    1.3 论文结构第13-16页
第二章 相关技术第16-24页
    2.1 卷积神经网络第16-21页
        2.1.1 卷积神经网络简介第16页
        2.1.2 卷积神经网络的三个特性第16-19页
        2.1.3 池化第19-21页
    2.2 支持向量机分类器第21-23页
        2.2.1 间隔最大化分类第21-22页
        2.2.2 使用核映射的非线性模型第22-23页
    2.3 本章小结第23-24页
第三章 系统需求分析与概要设计第24-30页
    3.1 系统需求分析第24-27页
        3.1.1 功能需求分析第24-27页
        3.1.2 性能需求分析第27页
    3.2 系统概要设计第27-29页
        3.2.1 系统功能结构第27-28页
        3.2.2 系统架构设计第28-29页
    3.3 本章小结第29-30页
第四章 系统详细设计与实现第30-38页
    4.1 视频处理模块的详细设计与实现第30-31页
        4.1.1 视频处理模块的详细设计第30-31页
        4.1.2 视频处理模块的实现第31页
    4.2 人脸检测模块的详细设计与实现第31-33页
        4.2.1 人脸检测模块的详细设计第31-32页
        4.2.2 人脸检测模块的实现第32-33页
    4.3 人脸识别模块的详细设计与实现第33-35页
        4.3.1 人脸识别模块的详细设计第33-35页
        4.3.2 人脸识别模块的实现第35页
    4.4 转动摄像头模块的详细设计与实现第35-36页
        4.4.1 转动摄像头模块的详细设计第35-36页
        4.4.2 转动摄像头模块的实现第36页
    4.5 本章小结第36-38页
第五章 人脸编码算法的详细设计与实现第38-58页
    5.1 人脸编码算法第38-39页
    5.2 Triplets选择方法第39-41页
    5.3 卷积神经网络的详细设计与实现第41-56页
        5.3.1 卷积神经网络的详细设计第41-51页
        5.3.2 卷积神经网络的实现第51-56页
    5.4 本章小结第56-58页
第六章 系统训练及测试第58-66页
    6.1 系统的训练及性能测试第58-61页
        6.1.1 训练环境第58页
        6.1.2 训练卷积神经网络第58-59页
        6.1.3 卷积神经网络的性能测试第59-60页
        6.1.4 训练支持向量机分类器第60页
        6.1.5 支持向量机的性能测试第60-61页
    6.2 系统的功能测试第61-63页
        6.2.1 人脸检测模块的功能测试第61-62页
        6.2.2 人脸识别模块的功能测试第62-63页
    6.3 本章小结第63-66页
第七章 总结与展望第66-68页
    7.1 工作总结第66页
    7.2 下一步研究工作第66-68页
参考文献第68-70页
致谢第70-72页
攻读学位期间发表的学术论文第72页

论文共72页,点击 下载论文
上一篇:在线评论演化模式的实证分析与建模
下一篇:面向海量互联网中文文本的实体关系抽取研究与实现