基于鲁棒损失人脸对齐与双目测距的活体检测
| 摘要 | 第8-10页 |
| ABSTRACT | 第10-11页 |
| 第一章 绪论 | 第12-18页 |
| 1.1 研究背景及意义 | 第12-13页 |
| 1.2 人脸特征点检测国内外研究进展与现状 | 第13页 |
| 1.3 活体检测国内外研究进展与现状 | 第13-16页 |
| 1.3.1 侵入式方法 | 第14-15页 |
| 1.3.2 非侵入式方法 | 第15-16页 |
| 1.4 论文主要内容及章节安排 | 第16-18页 |
| 1.4.1 论文主要内容 | 第16-17页 |
| 1.4.2 章节安排 | 第17-18页 |
| 第二章 基于鲁棒损失的人脸特征点检测 | 第18-34页 |
| 2.1 卷积神经网络 | 第18-21页 |
| 2.2 本文搭建的网络结构 | 第21-22页 |
| 2.3 鲁棒损失函数 | 第22-27页 |
| 2.3.1 鲁棒回归 | 第22-25页 |
| 2.3.2 本文的损失函数 | 第25-27页 |
| 2.4 实验结果与分析 | 第27-33页 |
| 2.4.1 与L2损失训练过程的对比实验 | 第27-29页 |
| 2.4.2 与不同方法对比 | 第29-33页 |
| 2.5 本章小结 | 第33-34页 |
| 第三章 基于BM算法的双目测距 | 第34-44页 |
| 3.1 摄像机模型 | 第34页 |
| 3.2 摄像机标定 | 第34-37页 |
| 3.3 立体校正 | 第37-38页 |
| 3.4 立体匹配 | 第38-43页 |
| 3.4.1 平行光轴双目摄像机模型 | 第38-39页 |
| 3.4.2 匹配基元 | 第39页 |
| 3.4.3 匹配准则 | 第39-40页 |
| 3.4.4 匹配算法 | 第40页 |
| 3.4.5 BM算法 | 第40-43页 |
| 3.5 本章小结 | 第43-44页 |
| 第四章 基于人脸特征点深度信息的双目活体检测 | 第44-56页 |
| 4.1 活体检测架构 | 第44-45页 |
| 4.2 本文活体检测方法 | 第45-47页 |
| 4.2.1 基于深度信息的人脸活体检测 | 第45-46页 |
| 4.2.2 本文提出的活体检测思想 | 第46-47页 |
| 4.3 深度人脸活体检测样本库 | 第47-52页 |
| 4.3.1 活体检测常用样本库 | 第48-49页 |
| 4.3.2 自建人脸特征点深度样本库 | 第49-52页 |
| 4.4 实验结果与分析 | 第52-54页 |
| 4.4.1 svm分类模型 | 第52页 |
| 4.4.2 检测模型训练与实验 | 第52-54页 |
| 4.5 本章小结 | 第54-56页 |
| 第五章 总结与展望 | 第56-60页 |
| 5.1 本文工作总结 | 第56-57页 |
| 5.2 后续展望 | 第57-60页 |
| 参考文献 | 第60-66页 |
| 致谢 | 第66-68页 |
| 攻读学位期间发表的学术论文 | 第68-69页 |
| 学位论文评阅及答辩情况表 | 第69页 |
