| 摘要 | 第4-5页 |
| ABSTRACT | 第5页 |
| 第1章 绪论 | 第8-14页 |
| 1.1 课题背景与意义 | 第8-9页 |
| 1.2 人体生物特征欺骗手段 | 第9-10页 |
| 1.3 活体人脸检测 | 第10-11页 |
| 1.4 论文的研究内容和结构 | 第11-14页 |
| 第2章 活体人脸检测综述 | 第14-30页 |
| 2.1 人脸身份认证中常见的欺骗方法 | 第14-15页 |
| 2.2 活体人脸检测研究现状 | 第15-23页 |
| 2.2.1 基于图像纹理分析的方法 | 第16-22页 |
| 2.2.2 基于三维结构分析的方法 | 第22页 |
| 2.2.3 基于运动信息分析的方法 | 第22-23页 |
| 2.3 活体人脸检测数据库 | 第23-28页 |
| 2.4 本章小结 | 第28-30页 |
| 第3章 基于卷积神经网络的活体人脸检测 | 第30-48页 |
| 3.1 卷积神经网络（Convolutional Neural Networks）基础知识 | 第30-33页 |
| 3.1.1 神经网络 | 第30-31页 |
| 3.1.2 卷积神经网络 | 第31-33页 |
| 3.2 基于卷积神经网络的活体人脸检测算法 | 第33-39页 |
| 3.2.1 算法的总体框架 | 第33页 |
| 3.2.2 卷积神经网络结构 | 第33-35页 |
| 3.2.3 卷积神经网络的参数配置 | 第35-37页 |
| 3.2.4 卷积神经网络训练 | 第37-39页 |
| 3.3 基于微调策略的卷积神经网络人脸活体检测算法 | 第39-43页 |
| 3.3.1 微调策略概述 | 第39页 |
| 3.3.2 基于图像分类的网络结构预训练 | 第39-41页 |
| 3.3.3 图像分类数据库 | 第41页 |
| 3.3.4 对预训练的网络进行微调 | 第41-43页 |
| 3.4 实验结果及分析 | 第43-46页 |
| 3.4.1 Print-Attack数据库的实验结果 | 第44-45页 |
| 3.4.2 Replay -Attack数据库的实验结果 | 第45-46页 |
| 3.4.3 CASIA-FASD数据库的实验结果 | 第46页 |
| 3.5 本章小结 | 第46-48页 |
| 第4章 基于运动特征的卷积神经网络活体人脸检测算法 | 第48-54页 |
| 4.1 算法流程 | 第48页 |
| 4.2 光流法选择及实现 | 第48-51页 |
| 4.2.1 光流法介绍 | 第48-50页 |
| 4.2.1.1 光流约束方程 | 第49页 |
| 4.2.1.2 金字塔光流法 | 第49-50页 |
| 4.2.2 不同类型图像的运动特征分析 | 第50-51页 |
| 4.3 网络训练 | 第51页 |
| 4.4 实验结果以及分析 | 第51-53页 |
| 4.5 本章小结 | 第53-54页 |
| 第5章 具有活体检测功能的人脸身份认证系统 | 第54-68页 |
| 5.1 活体人脸数据库的采集 | 第54-55页 |
| 5.2 系统方案设计 | 第55-57页 |
| 5.2.1 系统总体设计 | 第55页 |
| 5.2.2 系统功能模块 | 第55-57页 |
| 5.3 系统实现 | 第57-67页 |
| 5.3.1 系统主界面 | 第57页 |
| 5.3.2 注册功能模块界面 | 第57-61页 |
| 5.3.3 认证功能模块界面 | 第61-67页 |
| 5.4 本章小结 | 第67-68页 |
| 结论 | 第68-70页 |
| 参考文献 | 第70-74页 |
| 攻读硕士学位期间发表的学术论文 | 第74-76页 |
| 致谢 | 第76页 |
