| 摘要 | 第5-6页 |
| abstract | 第6页 |
| 第1章 绪论 | 第10-14页 |
| 1.1 研究背景及意义 | 第10页 |
| 1.2 国内外研究现状 | 第10-12页 |
| 1.2.1 传统人脸识别方法 | 第10-11页 |
| 1.2.2 基于深度学习的人脸识别方法 | 第11-12页 |
| 1.3 本文主要研究内容和结构安排 | 第12-14页 |
| 1.3.1 论文研究内容 | 第12-13页 |
| 1.3.2 结构安排 | 第13-14页 |
| 第2章 视频考勤基础功能模块 | 第14-33页 |
| 2.1 深度学习简介 | 第14-17页 |
| 2.1.1 人工智能、机器学习与深度学习 | 第14-15页 |
| 2.1.2 卷积神经网络 | 第15-17页 |
| 2.1.3 深度学习框架PyTorch | 第17页 |
| 2.2 视频考勤的基础功能模块 | 第17-31页 |
| 2.2.1 图像采集模块 | 第18-20页 |
| 2.2.2 人脸检测模块 | 第20-25页 |
| 2.2.3 人脸识别模块 | 第25-31页 |
| 2.3 影响人脸识别正确率的因素 | 第31-32页 |
| 2.3.1 尺寸较小的人脸图像过滤 | 第32页 |
| 2.4 本章小结 | 第32-33页 |
| 第3章 模糊人脸图像过滤 | 第33-45页 |
| 3.1 基于CNN的模糊人脸图像过滤 | 第33-38页 |
| 3.1.1 设计神经网络 | 第33-34页 |
| 3.1.2 准备数据集 | 第34-35页 |
| 3.1.3 模型训练 | 第35-37页 |
| 3.1.4 测试结果 | 第37-38页 |
| 3.2 基于“扩展二阶梯度”的模糊人脸图像过滤 | 第38-42页 |
| 3.2.1 “扩展二阶梯度”的概念 | 第38-40页 |
| 3.2.2 基于“扩展二阶梯度”的模糊人脸图像过滤的实现 | 第40-42页 |
| 3.3 分类效果比较 | 第42-44页 |
| 3.3.1 基于Laplace算子分类方法的最大正确率 | 第42-43页 |
| 3.3.2 多种模糊图像过滤算法的正确率比较 | 第43-44页 |
| 3.4 本章小结 | 第44-45页 |
| 第4章 偏转角度过大人脸图像过滤 | 第45-53页 |
| 4.1 基于特征点的偏转角度过大人脸图像过滤 | 第45-48页 |
| 4.1.1 全连接神经网络的结构 | 第46页 |
| 4.1.2 准备数据集 | 第46-47页 |
| 4.1.3 模型训练 | 第47页 |
| 4.1.4 测试结果 | 第47-48页 |
| 4.2 基于多任务CNN的偏转角度过大人脸图像过滤 | 第48-51页 |
| 4.2.1 神经网络结构 | 第48-49页 |
| 4.2.2 准备数据集 | 第49页 |
| 4.2.3 模型训练 | 第49-50页 |
| 4.2.4 测试结果 | 第50-51页 |
| 4.3 分类效果比较 | 第51页 |
| 4.4 本章小结 | 第51-53页 |
| 第5章 视频考勤的简单实现与无效人脸过滤效果比较 | 第53-59页 |
| 5.1 视频考勤的基础功能实现 | 第53-57页 |
| 5.1.1 系统结构 | 第53-55页 |
| 5.1.2 视频考勤的基础功能实现方式 | 第55-56页 |
| 5.1.3 系统的效果展示 | 第56-57页 |
| 5.2 多种过滤方式组合下的正确率比较 | 第57-58页 |
| 5.3 本章小结 | 第58-59页 |
| 总结与展望 | 第59-61页 |
| 致谢 | 第61-62页 |
| 参考文献 | 第62-66页 |
| 攻读硕士学位期间发表的论文 | 第66-67页 |
| 附录1 | 第67页 |
