面向罪犯搜捕系统的姿态人脸识别技术研究
| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第11-19页 |
| 1.1 课题背景及意义 | 第11-12页 |
| 1.2 罪犯搜捕系统关键问题 | 第12-13页 |
| 1.3 国内外研究现状 | 第13-17页 |
| 1.3.1 罪犯搜捕系统发展 | 第13-14页 |
| 1.3.2 人脸识别的研究现状 | 第14-16页 |
| 1.3.3 人脸识别的系统框架 | 第16-17页 |
| 1.4 本文主要研究内容及组织结构 | 第17-19页 |
| 1.4.1 主要研究内容 | 第17-18页 |
| 1.4.2 论文组织结构 | 第18-19页 |
| 第2章 人脸检测与预处理 | 第19-31页 |
| 2.1 引言 | 第19页 |
| 2.2 人脸检测 | 第19-23页 |
| 2.2.1 NPD特征 | 第19-20页 |
| 2.2.2 深度二次树 | 第20-23页 |
| 2.3 人脸特征点定位 | 第23-27页 |
| 2.3.1 AAM模型建立 | 第23-26页 |
| 2.3.2 模型匹配 | 第26-27页 |
| 2.4 人脸归一化 | 第27-29页 |
| 2.5 本章小结 | 第29-31页 |
| 第3章 基于卷积神经网络的人脸识别 | 第31-49页 |
| 3.1 引言 | 第31页 |
| 3.2 卷积神经网络 | 第31-38页 |
| 3.2.1 卷积神经网络的特性 | 第31-33页 |
| 3.2.2 卷积神经网络结构组成 | 第33-36页 |
| 3.2.3 反向传播算法 | 第36-38页 |
| 3.3 深度学习平台caffe | 第38-39页 |
| 3.4 卷积神经网络的结构设计与改进 | 第39-44页 |
| 3.4.1 卷积神经网络结构的设计 | 第40-42页 |
| 3.4.2 卷积神经网络的改进 | 第42-44页 |
| 3.5 实验结果分析 | 第44-47页 |
| 3.5.1 卷积神经网络模型训练 | 第44-45页 |
| 3.5.2 卷积神经网络模型测试 | 第45-46页 |
| 3.5.3 实验结果及分析 | 第46-47页 |
| 3.6 本章小结 | 第47-49页 |
| 第4章 罪犯搜捕系统的设计与实现 | 第49-63页 |
| 4.1 引言 | 第49页 |
| 4.2 系统功能分析 | 第49-50页 |
| 4.3 系统架构及硬件组成 | 第50-52页 |
| 4.4 系统各模块的设计 | 第52-59页 |
| 4.4.1 网络摄像头控制模块 | 第52-53页 |
| 4.4.2 人脸识别模块 | 第53-56页 |
| 4.4.3 数据管理模块 | 第56-59页 |
| 4.4.4 报警显示模块 | 第59页 |
| 4.5 系统实现与演示 | 第59-62页 |
| 4.6 本章小结 | 第62-63页 |
| 第5章 总结与展望 | 第63-65页 |
| 5.1 工作总结 | 第63页 |
| 5.2 未来展望 | 第63-65页 |
| 参考文献 | 第65-71页 |
| 致谢 | 第71页 |
