基于卷积神经网络的车脸识别研究
| 摘要 | 第5-7页 |
| Abstract | 第7-8页 |
| 第1章 绪论 | 第15-30页 |
| 1.1 治安卡口系统 | 第15页 |
| 1.2 现有车辆识别方法的不足 | 第15-17页 |
| 1.3 国内外研究现状 | 第17-27页 |
| 1.3.1 物体识别概述 | 第17-21页 |
| 1.3.2 物体识别与图像分类 | 第21-23页 |
| 1.3.3 人脸识别 | 第23-27页 |
| 1.4 基于车脸识别的解决方案 | 第27-28页 |
| 1.5 论文结构 | 第28-30页 |
| 第2章 基于约束局部模型的车脸对齐方法 | 第30-39页 |
| 2.1 车脸特征点 | 第30-32页 |
| 2.1.1 人脸68个特征点 | 第30-31页 |
| 2.1.2 车脸33个特征点 | 第31-32页 |
| 2.2 车脸约束局部模型介绍 | 第32-33页 |
| 2.3 车脸约束局部模型训练 | 第33-35页 |
| 2.3.1 使用PCA训练形状模型 | 第33-34页 |
| 2.3.2 使用SVM训练特征模型 | 第34-35页 |
| 2.4 车脸约束局部模型匹配 | 第35-38页 |
| 2.4.1 匹配流程 | 第35页 |
| 2.4.2 匹配细节 | 第35-37页 |
| 2.4.3 匹配演示 | 第37-38页 |
| 2.5 本章小结 | 第38-39页 |
| 第3章 基于卷积神经网络的车脸识别方法 | 第39-50页 |
| 3.1 基于卷积神经网络的车脸模型 | 第39-43页 |
| 3.1.1 卷积神经网络模型 | 第39-41页 |
| 3.1.2 模型可视化 | 第41-43页 |
| 3.2 基于多组件卷积神经网络的车脸组合模型 | 第43-48页 |
| 3.2.1 组合挑选 | 第45页 |
| 3.2.2 单组件卷积神经网络子模型 | 第45-46页 |
| 3.2.3 模型可视化 | 第46-48页 |
| 3.3 本章小结 | 第48-50页 |
| 第4章 实验设计与结果 | 第50-57页 |
| 4.1 数据准备 | 第50-52页 |
| 4.1.1 数据1 | 第50-51页 |
| 4.1.2 数据2 | 第51页 |
| 4.1.3 数据3 | 第51-52页 |
| 4.2 约束局部模型对齐准确性实验 | 第52页 |
| 4.2.1 实验方案 | 第52页 |
| 4.2.2 实验结果 | 第52页 |
| 4.3 约束局部模型有效性实验 | 第52-53页 |
| 4.3.1 实验目的 | 第52-53页 |
| 4.3.2 实验方案 | 第53页 |
| 4.3.3 实验结果 | 第53页 |
| 4.4 卷积神经网络有效性实验 | 第53-55页 |
| 4.4.1 实验目的 | 第53-54页 |
| 4.4.2 实验方案 | 第54-55页 |
| 4.4.3 实验结果 | 第55页 |
| 4.5 本章小结 | 第55-57页 |
| 第5章 总结展望 | 第57-59页 |
| 参考文献 | 第59-64页 |
| 攻读硕士学位期间主要的研究成果 | 第64-65页 |
| 致谢 | 第65页 |
