移动平台上的人脸识别系统研究
| 致谢 | 第4-5页 |
| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第1章 绪论 | 第11-15页 |
| 1.1 课题背景 | 第11-12页 |
| 1.2 研究内容和意义 | 第12-13页 |
| 1.3 本课题的主要工作 | 第13页 |
| 1.4 本文的组织结构 | 第13-15页 |
| 第2章 相关工作 | 第15-25页 |
| 2.1 人脸检测算法 | 第15-17页 |
| 2.2 人脸识别算法 | 第17-20页 |
| 2.3 跟踪算法 | 第20-22页 |
| 2.4 模型压缩算法 | 第22-24页 |
| 2.5 本章小结 | 第24-25页 |
| 第3章 基于深度学习的实时人脸检测 | 第25-35页 |
| 3.1 人脸检测难点 | 第25-26页 |
| 3.2 人脸检测框架设计 | 第26-30页 |
| 3.2.1 人脸检测框架设计思路 | 第27-28页 |
| 3.2.2 人脸检测框架 | 第28-30页 |
| 3.3 模型压缩和加速 | 第30-33页 |
| 3.4 本章小结 | 第33-35页 |
| 第4章 基于深度学习的人脸识别模型 | 第35-44页 |
| 4.1 人脸识别难点 | 第35-36页 |
| 4.2 人脸识别损失函数设计 | 第36-42页 |
| 4.3 不同分辨率下的识别模型 | 第42页 |
| 4.4 本章小结 | 第42-44页 |
| 第5章 系统设计 | 第44-50页 |
| 5.1 人脸识别系统结构 | 第44-45页 |
| 5.2 运动检测 | 第45-46页 |
| 5.3 人脸检测 | 第46页 |
| 5.4 人脸跟踪 | 第46-48页 |
| 5.5 人脸特征提取 | 第48页 |
| 5.6 人脸比对 | 第48-49页 |
| 5.7 人脸数据库 | 第49页 |
| 5.8 本章总结 | 第49-50页 |
| 第6章 实验与分析 | 第50-59页 |
| 6.1 人脸检测 | 第50-52页 |
| 6.1.1 实现细节 | 第50-51页 |
| 6.1.2 评估 | 第51页 |
| 6.1.3 运行时间 | 第51-52页 |
| 6.2 人脸识别 | 第52-54页 |
| 6.2.1 实现细节 | 第52-53页 |
| 6.2.2 评估 | 第53-54页 |
| 6.3 系统运行分析 | 第54-59页 |
| 6.3.1 实现细节 | 第54-55页 |
| 6.3.2 TX2运行分析 | 第55页 |
| 6.3.3 MTK MT6737运行分析 | 第55-59页 |
| 第7章 总结与展望 | 第59-61页 |
| 7.1 总结 | 第59页 |
| 7.2 未来工作展望 | 第59-61页 |
| 参考文献 | 第61-65页 |
