首页--工业技术论文--自动化技术、计算机技术论文--计算技术、计算机技术论文--计算机的应用论文--信息处理(信息加工)论文--模式识别与装置论文

基于计算机视觉的人脸检测与识别算法研究

摘要第5-6页
Abstract第6页
1 绪论第11-15页
    1.1 课题研究背景第11-12页
    1.2 国内外研究现状第12-13页
        1.2.1 人脸检测技术第12页
        1.2.2 人脸识别技术第12-13页
    1.3 研究任务第13-14页
    1.4 本文结构安排第14-15页
2 人脸检测与识别工具概况第15-20页
    2.1 引言第15-16页
    2.2 常用人脸检测与识别系统介绍第16-19页
        2.2.1 AdobePhotoshopElements5.第16-18页
        2.2.2 Keylemon2.7.第18页
        2.2.3 招商银行掌上生活第18-19页
    2.3 本文人脸检测与识别系统介绍第19页
    2.4 本章小结第19-20页
3 人脸检测技术第20-30页
    3.1 引言第20-21页
    3.2 人脸检测算法分类第21-23页
        3.2.1 基于几何特征的方法第21页
        3.2.2 基于模板匹配的方法第21-22页
        3.2.3 基于模型的方法第22-23页
    3.3 深度学习网络第23-27页
        3.3.1 深度信念网络第23-25页
        3.3.2 卷积神经网络第25-27页
    3.4 Opencv方法第27-29页
        3.4.1 人脸检测器第27-28页
        3.4.2 Haar特征第28页
        3.4.3 积分图第28-29页
    3.5 本章小结第29-30页
4 人脸识别技术第30-41页
    4.1 引言第30页
    4.2 Seetaface方法第30-34页
        4.2.1 人脸检测模块第30-32页
        4.2.2 特征点定位模块第32-33页
        4.2.3 特征提取与对比模块第33-34页
        4.2.4 人脸识别系统流程第34页
    4.3 YouTu方法第34-38页
        4.3.1 人脸检测分析与五官定位第35-36页
        4.3.2 人脸特征对比与识别第36-38页
    4.4 Facenet方法第38-40页
        4.4.1 网络架构第38页
        4.4.2 三元组学习法第38-39页
        4.4.3 最近邻分类法第39-40页
    4.5 本章小结第40-41页
5 基于DeepID的人脸检测与识别模型训练第41-46页
    5.1 引言第41页
    5.2 DeepID网络第41-44页
        5.2.1 网络结构第41-42页
        5.2.2 计算过程第42页
        5.2.3 联合贝叶斯模型第42-43页
        5.2.4 数据集第43页
        5.2.5 实验结果第43-44页
    5.3 DeepID2+网络第44-45页
        5.3.1 交叉墒和验证信号第45页
        5.3.2 网络结构第45页
    5.4 本章小结第45-46页
6 特殊条件下的人脸检测与识别第46-62页
    6.1 引言第46页
    6.2 含有雾霾情况下的人脸检测与识别第46-50页
        6.2.1 Seetaface方法第46-47页
        6.2.2 YouTu方法第47-48页
        6.2.3 Opencv方法第48-49页
        6.2.4 雾霾条件下人脸检测结果对比第49-50页
    6.3 含有角度偏移较大情况下的人脸检测与识别第50-53页
        6.3.1 Seetaface方法第50-51页
        6.3.2 YouTu方法第51-52页
        6.3.3 Opencv方法第52-53页
        6.3.4 面部角度偏移的人脸检测结果对比第53页
    6.4 含有面部遮挡情况下的人脸检测与识别第53-55页
        6.4.1 Seetaface方法第53-54页
        6.4.2 YouTu方法第54页
        6.4.3 Opencv方法第54-55页
        6.4.4 面部遮挡的人脸检测结果对比第55页
    6.5 含有夸张表情情况下的人脸检测与识别第55-57页
        6.5.1 Seetaface方法第55-56页
        6.5.2 YouTu方法第56页
        6.5.3 Opencv方法第56-57页
        6.5.4 面部夸张表情人脸检测结果对比第57页
    6.6 人脸相似度对比第57-59页
        6.6.1 YouTu方法第57页
        6.6.2 Facenet方法第57-58页
        6.6.3 人脸相似度对比结果第58-59页
    6.7 结果综合第59-61页
        6.7.1 雾霾天气对人脸检测的影响第59-60页
        6.7.2 人脸角度偏移对人脸检测的影响第60页
        6.7.3 面部遮挡对人脸检测的影响第60-61页
        6.7.4 夸张表情对人脸检测的影响第61页
    6.8 本章小结第61-62页
7 人脸检测与识别系统第62-68页
    7.1 引言第62页
    7.2 人脸检测与识别系统—人脸检测第62-66页
        7.2.1 人脸检测与识别系统界面第62-63页
        7.2.2 表情检测模块第63-64页
        7.2.3 雾天检测模块第64-65页
        7.2.4 侧脸检测模块第65-66页
        7.2.5 遮挡检测模块第66页
    7.3 人脸检测与识别系统—人脸识别第66-67页
    7.4 本章小结第67-68页
8 总结与展望第68-70页
    8.1 总结第68页
    8.2 展望第68-70页
参考文献第70-73页
攻读硕士期间发表学术论文情况第73-74页
致谢第74页

论文共74页,点击 下载论文
上一篇:基于HTML5和Node.js的高校教学辅助系统研究与实现
下一篇:Linux下虚拟机安全管理平台的设计与实现