基于人脸区域特征相关性的视频流人脸识别系统设计与实现
| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第一章 绪论 | 第11-17页 |
| 1.1 基于图片的人脸识别技术现状 | 第12-13页 |
| 1.2 视频人脸识别的挑战 | 第13-14页 |
| 1.3 视频人脸识别的研究进展 | 第14-15页 |
| 1.4 论文主要研究内容及结构安排 | 第15-17页 |
| 1.4.1 本文主要研究内容 | 第15-16页 |
| 1.4.2 论文框架结构 | 第16-17页 |
| 第二章 相关技术与知识背景 | 第17-26页 |
| 2.1 图像特征与描述 | 第17-20页 |
| 2.1.1 HOG特征 | 第17-18页 |
| 2.1.2 SIFT特征 | 第18-19页 |
| 2.1.3 LBP特征 | 第19页 |
| 2.1.4 基于深度学习提取特征 | 第19-20页 |
| 2.2 目标跟踪简介 | 第20-21页 |
| 2.3 人脸识别相关技术 | 第21-25页 |
| 2.3.1 Dlib的人脸区域与特征点检测 | 第21-22页 |
| 2.3.2 MTCNN | 第22-23页 |
| 2.3.3 人脸数据库介绍 | 第23-25页 |
| 2.4 本章小结 | 第25-26页 |
| 第三章 视频流中基于人脸特征相关性识别研究 | 第26-39页 |
| 3.1 视频流中基于图像的人脸识别分析 | 第26-29页 |
| 3.1.1 视频流中人脸大小与数量 | 第26页 |
| 3.1.2 视频流中人脸识别效果分析 | 第26-29页 |
| 3.2 人脸特征的相关性定义 | 第29-31页 |
| 3.3 基于特征相关性的加权投票识别方法 | 第31-35页 |
| 3.3.1 基于特征相关性的人脸选取 | 第31-33页 |
| 3.3.2 基于深度学习的单人脸区域识别 | 第33-34页 |
| 3.3.3 基于多帧识别的加权投票方法 | 第34-35页 |
| 3.4 人脸识别算法框架 | 第35-37页 |
| 3.5 系统优化与稳定性算法 | 第37-38页 |
| 3.5.1 陌生人检测方法 | 第37页 |
| 3.5.2 在线识别能力更新 | 第37-38页 |
| 3.6 本章小结 | 第38-39页 |
| 第四章 识别系统设计与实现 | 第39-57页 |
| 4.1 系统框架设计 | 第39-40页 |
| 4.2 监控端系统设计 | 第40-48页 |
| 4.2.1 多方式视频流接入 | 第40-41页 |
| 4.2.2 动态人脸检测与跟踪 | 第41-45页 |
| 4.2.3 人脸选择子系统 | 第45-47页 |
| 4.2.4 加权投票识别子系统 | 第47-48页 |
| 4.2.5 系统总体程序结构 | 第48页 |
| 4.3 服务端识别与在线更新 | 第48-54页 |
| 4.3.1 服务端的人脸检测 | 第49-50页 |
| 4.3.2 特征更新系统 | 第50-52页 |
| 4.3.3 人脸识别服务 | 第52-54页 |
| 4.3.4 Web服务器搭建 | 第54页 |
| 4.4 系统中的实时性设计 | 第54-55页 |
| 4.5 系统调优经验 | 第55页 |
| 4.6 本章小结 | 第55-57页 |
| 第五章 系统测试与结果分析 | 第57-67页 |
| 5.1 系统部署与数据采集 | 第57-59页 |
| 5.1.1 系统部署 | 第57-58页 |
| 5.1.2 人脸图像与视频数据采集 | 第58-59页 |
| 5.2 人脸识别算法验证实验与结果 | 第59页 |
| 5.3 人脸检测与跟踪结果分析 | 第59-60页 |
| 5.4 系统选取流程展示与结果分析 | 第60-62页 |
| 5.5 系统正确率与实时性分析 | 第62-66页 |
| 5.5.1 视频流人脸识别结果与分析 | 第63-64页 |
| 5.5.2 监控终端实时性分析 | 第64-65页 |
| 5.5.3 服务端性能对比 | 第65-66页 |
| 5.6 本章小结 | 第66-67页 |
| 第六章 总结与展望 | 第67-69页 |
| 6.1 本文工作总结 | 第67页 |
| 6.2 未来工作展望 | 第67-69页 |
| 参考文献 | 第69-75页 |
| 致谢 | 第75页 |
