| 摘要 | 第3-4页 |
| Abstract | 第4页 |
| 1 绪论 | 第7-12页 |
| 1.1 研究背景与意义 | 第7-8页 |
| 1.2 人脸识别国内外研究现状 | 第8-10页 |
| 1.3 考勤系统发展 | 第10-11页 |
| 1.4 本文主要内容 | 第11-12页 |
| 2 基于人脸签到的相关技术研究 | 第12-27页 |
| 2.1 深度学习 | 第12-19页 |
| 2.1.1 神经网络 | 第12-15页 |
| 2.1.2 卷积神经网络 | 第15-19页 |
| 2.2 人脸检测算法研究 | 第19-22页 |
| 2.2.1 Viola-Jones人脸检测器 | 第19-21页 |
| 2.2.2 基于深度学习的人脸检测 | 第21-22页 |
| 2.3 人脸识别算法研究 | 第22-27页 |
| 2.3.1 基于Fisher Vector的人脸识别算法 | 第22-24页 |
| 2.3.2 基于DeepID的人脸识别算法 | 第24-27页 |
| 3 考勤系统的设计与关键技术 | 第27-38页 |
| 3.1 考勤系统的需求分析 | 第27页 |
| 3.2 考勤系统的设计流程 | 第27-28页 |
| 3.3 关键技术研究 | 第28-38页 |
| 3.3.1 SSD（Single Shot Multi Box Detector） | 第28-32页 |
| 3.3.2 VGGFace | 第32-34页 |
| 3.3.3 LMNN | 第34-38页 |
| 4 考勤系统的实现 | 第38-49页 |
| 4.1 人脸检测训练数据准备 | 第38-41页 |
| 4.2 人脸检测模型的训练 | 第41页 |
| 4.3 LMNN训练数据准备及训练 | 第41-42页 |
| 4.4 人脸库的录入 | 第42-43页 |
| 4.5 签到过程的实现 | 第43-49页 |
| 5 总结与展望 | 第49-51页 |
| 参考文献 | 第51-55页 |
| 致谢 | 第55页 |