| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第一章 绪论 | 第10-17页 |
| 1.1 引言 | 第10页 |
| 1.2 研究背景与意义 | 第10-12页 |
| 1.3 人脸识别的应用 | 第12页 |
| 1.4 人脸识别体系结构 | 第12-13页 |
| 1.4.1 人脸图像特点 | 第12页 |
| 1.4.2 人脸识别体系 | 第12-13页 |
| 1.5 人脸识别研究现状 | 第13-15页 |
| 1.6 本文研究内容与结构安排 | 第15-17页 |
| 第二章 深度学习与卷积神经网络 | 第17-32页 |
| 2.1 深度学习 | 第17-20页 |
| 2.1.1 深度学习简介 | 第17页 |
| 2.1.2 基本思想 | 第17-18页 |
| 2.1.3 常用方法 | 第18-20页 |
| 2.2 卷积神经网络 | 第20-29页 |
| 2.2.1 各种线性计算层 | 第21-26页 |
| 2.2.2 激活函数 | 第26-28页 |
| 2.2.3 网络整体架构 | 第28-29页 |
| 2.3 深度神经网络计算框架Caffe简介及开发环境搭建 | 第29-31页 |
| 2.3.1 Caffe简介 | 第29-30页 |
| 2.3.2 开发环境搭建 | 第30-31页 |
| 2.4 本章小结 | 第31-32页 |
| 第三章 基础模型设计和实验数据集 | 第32-39页 |
| 3.1 深度卷积神经网络设计 | 第32-36页 |
| 3.1.1 卷积层设计 | 第32-33页 |
| 3.1.2 池化层实现 | 第33-34页 |
| 3.1.3 基础模型设计 | 第34-36页 |
| 3.1.4 网络中参数的更新 | 第36页 |
| 3.2 实验数据集 | 第36-38页 |
| 3.3 本章小结 | 第38-39页 |
| 第四章 基于卷积神经网络的多层特征融合人脸识别 | 第39-50页 |
| 4.1 多层特征融合模型 | 第39-40页 |
| 4.2 常用的人脸识别算法 | 第40-43页 |
| 4.2.1 主成分分析 | 第40-41页 |
| 4.2.2 线性判别分析 | 第41-42页 |
| 4.2.3 局部保持投影 | 第42-43页 |
| 4.3 实验结果及分析 | 第43-49页 |
| 4.3.1 ORL数据集实验结果及分析 | 第43-45页 |
| 4.3.2 Yale数据集实验结果与分析 | 第45-46页 |
| 4.3.3 AR数据集实验结果与分析 | 第46-49页 |
| 4.4 本章小结 | 第49-50页 |
| 第五章 人脸在线检测识别系统的设计与实现 | 第50-57页 |
| 5.1 系统概述 | 第50-51页 |
| 5.1.1 系统的硬件和软件运行环境 | 第50页 |
| 5.1.2 系统采用的人脸识别算法 | 第50-51页 |
| 5.1.3 系统的总体结构图 | 第51页 |
| 5.2 系统模型的训练 | 第51-53页 |
| 5.2.1 人脸数据集的制作与预处理 | 第51-52页 |
| 5.2.2 人脸模型的构建与训练 | 第52-53页 |
| 5.3 系统测试结果与分析 | 第53-56页 |
| 5.4 本章小结 | 第56-57页 |
| 第六章 总结与展望 | 第57-59页 |
| 6.1 本文工作总结 | 第57-58页 |
| 6.2 未来展望 | 第58-59页 |
| 致谢 | 第59-60页 |
| 参考文献 | 第60-64页 |
| 附录 | 第64页 |