人脸识别系统中的活体检测算法研究
| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第1章 绪论 | 第9-16页 |
| 1.1 研究背景及意义 | 第9-11页 |
| 1.2 国内外研究现状 | 第11-14页 |
| 1.2.1 基于图像分析的检测方法 | 第12页 |
| 1.2.2 基于纹理特征的检测方法 | 第12-13页 |
| 1.2.3 基于频谱分析的检测方法 | 第13-14页 |
| 1.3 研究内容及论文结构 | 第14-16页 |
| 第2章 人脸活体检测相关基础 | 第16-29页 |
| 2.1 人脸检测技术 | 第16-19页 |
| 2.1.1 传统检测算法 | 第16-18页 |
| 2.1.2 深度学习检测算法 | 第18-19页 |
| 2.2 机器学习分类算法 | 第19-24页 |
| 2.2.1 朴素贝叶斯分类算法 | 第20-21页 |
| 2.2.2 支持向量机分类算法 | 第21-24页 |
| 2.3 活体人脸公开数据库 | 第24-28页 |
| 2.3.1 Replay-Attack 数据库 | 第24-25页 |
| 2.3.2 CASIA FASD 数据库 | 第25-26页 |
| 2.3.3 MSU MFSD 数据库 | 第26-27页 |
| 2.3.4 OULU数据库 | 第27-28页 |
| 2.4 本章小结 | 第28-29页 |
| 第3章 基于色彩纹理特征的人脸活体检测 | 第29-49页 |
| 3.1 引言 | 第29页 |
| 3.2 色彩特征分析 | 第29-34页 |
| 3.2.1 色彩空间概述 | 第29-31页 |
| 3.2.2 通道相关性分析 | 第31-33页 |
| 3.2.3 色彩分布特性 | 第33-34页 |
| 3.3 局部纹理特征分析 | 第34-40页 |
| 3.3.1 LBP算子 | 第34-36页 |
| 3.3.2 CoALBP 算子 | 第36-37页 |
| 3.3.3 LDP算子 | 第37-40页 |
| 3.3.4 融合色彩纹理特征 | 第40页 |
| 3.4 实验结果及分析 | 第40-48页 |
| 3.4.1 实验环境及设置 | 第41-43页 |
| 3.4.2 实验分析 | 第43-48页 |
| 3.5 本章小结 | 第48-49页 |
| 第4章 基于高辨识度局部特征的人脸活体检测 | 第49-64页 |
| 4.1 引言 | 第49-50页 |
| 4.2 高辨识度图像块选取算法 | 第50-57页 |
| 4.2.1 基于聚类分析的算法 | 第50-54页 |
| 4.2.2 基于非聚类分析的算法 | 第54-57页 |
| 4.3 人脸防欺骗检测系统 | 第57-58页 |
| 4.4 实验结果与分析 | 第58-63页 |
| 4.4.1 实验环境 | 第58页 |
| 4.4.2 实验分析 | 第58-63页 |
| 4.5 本章小结 | 第63-64页 |
| 第5章 总结与展望 | 第64-66页 |
| 5.1 本文工作总结 | 第64页 |
| 5.2 未来工作展望 | 第64-66页 |
| 参考文献 | 第66-72页 |
| 致谢 | 第72-73页 |
| 攻读硕士期间的研究成果 | 第73页 |
