| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 第1章 绪论 | 第9-17页 |
| 1.1 研究背景及其意义 | 第9-10页 |
| 1.2 人脸识别系统中的攻击方式 | 第10-11页 |
| 1.3 国内外研究现状 | 第11-15页 |
| 1.3.1 基于硬件环境的方法 | 第11-12页 |
| 1.3.2 基于软件为基础的非入侵性的方法 | 第12-14页 |
| 1.3.3 基于用户交互式的方法 | 第14-15页 |
| 1.3.4 基于深度学习的方法 | 第15页 |
| 1.4 主要研究思路和结构安排 | 第15-17页 |
| 1.4.1 主要研究思路 | 第15-16页 |
| 1.4.2 结构安排 | 第16-17页 |
| 第2章 人脸活体检测理论基础 | 第17-29页 |
| 2.1 人脸活体检测流程 | 第17-18页 |
| 2.2 常用的纹理特征描述子 | 第18-19页 |
| 2.2.1 局部二进制模式 | 第18页 |
| 2.2.2 共生邻接局部二值模式 | 第18-19页 |
| 2.2.3 局部相位量化 | 第19页 |
| 2.2.4 二值统计图像特征 | 第19页 |
| 2.2.5 规模不变描述符 | 第19页 |
| 2.3 主流的人脸防欺骗技术 | 第19-24页 |
| 2.4 SVM分类器 | 第24-26页 |
| 2.5 人脸样本数据库介绍 | 第26-28页 |
| 2.6 本章小结 | 第28-29页 |
| 第3章 基于微纹理差异的人脸防欺骗方法 | 第29-43页 |
| 3.1 人脸检测 | 第29-32页 |
| 3.2 算法基础 | 第32-34页 |
| 3.2.1 Haar小波分解 | 第32-33页 |
| 3.2.2 ULBP | 第33-34页 |
| 3.3 基于Haar小波分解和ULBP的算法 | 第34-37页 |
| 3.3.1 Haar小波分解和ULBP对真假人脸的区分性 | 第34-36页 |
| 3.3.2 算法实施步骤 | 第36-37页 |
| 3.4 实验 | 第37-40页 |
| 3.4.1 数据库样本选择 | 第37页 |
| 3.4.2 实验结果 | 第37-40页 |
| 3.5 本章小结 | 第40-43页 |
| 第4章 应用P-CNN结构的人脸防欺骗方法 | 第43-55页 |
| 4.1 改进的人脸检测方法 | 第43-46页 |
| 4.1.1 人脸对齐分析 | 第43-44页 |
| 4.1.2 加入 3000fps对齐的人脸检测 | 第44-46页 |
| 4.2 并联的卷积神经网络 | 第46-48页 |
| 4.3 PCA降维和ELM分类 | 第48-49页 |
| 4.4 实验 | 第49-53页 |
| 4.4.1 数据库样本选择 | 第49页 |
| 4.4.2 参数设置 | 第49页 |
| 4.4.3 评价指标的设置 | 第49页 |
| 4.4.4 实验结果 | 第49-53页 |
| 4.5 本章小结 | 第53-55页 |
| 第5章 总结和展望 | 第55-57页 |
| 5.1 总结 | 第55-56页 |
| 5.2 展望 | 第56-57页 |
| 参考文献 | 第57-63页 |
| 发表论文和参加科研情况说明 | 第63-65页 |
| 致谢 | 第65-66页 |