ATM机上的遮挡人脸判别方法研究
| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第1章 绪论 | 第9-15页 |
| 1.1 研究背景及意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-11页 |
| 1.3 课题研究难点 | 第11-12页 |
| 1.4 论文主要研究内容 | 第12-13页 |
| 1.5 论文结构安排 | 第13-15页 |
| 第2章 目标检测相关内容 | 第15-29页 |
| 2.1 ATM机上人脸检测需要考虑的问题 | 第15-16页 |
| 2.2 传统的目标检测算法 | 第16-18页 |
| 2.3 基于卷积神经网络的目标检测算法 | 第18-27页 |
| 2.3.1 R-CNN方法 | 第22-23页 |
| 2.3.2 SPP-NET方法 | 第23-25页 |
| 2.3.3 Fast R-CNN方法 | 第25-26页 |
| 2.3.4 Faster R-CNN方法 | 第26-27页 |
| 2.4 本章小结 | 第27-29页 |
| 第3章 遮挡人脸判别方法 | 第29-43页 |
| 3.1 YOLO模型网络结构 | 第29-30页 |
| 3.2 YOLO模型算法原理 | 第30-31页 |
| 3.3 基于YOLO模型的人脸检测 | 第31-37页 |
| 3.3.1 获取训练样本与标签信息 | 第31-33页 |
| 3.3.2 基于YOLO的人脸检测模型训练 | 第33-36页 |
| 3.3.3 实验结果分析 | 第36-37页 |
| 3.4 多角度面部遮挡判别 | 第37-42页 |
| 3.4.1 DLIB人脸关键点检测原理 | 第38-39页 |
| 3.4.2 人脸关键点检测 | 第39-42页 |
| 3.5 本章小结 | 第42-43页 |
| 第4章 实验结果及分析 | 第43-48页 |
| 4.1 算法评价指标 | 第43页 |
| 4.2 测试样本的准备 | 第43-44页 |
| 4.3 实验结果及分析 | 第44-47页 |
| 4.4 本章小结 | 第47-48页 |
| 第5章 总结与展望 | 第48-50页 |
| 5.1 总结 | 第48页 |
| 5.2 展望 | 第48-50页 |
| 参考文献 | 第50-53页 |
| 致谢 | 第53-54页 |
| 附录 攻读硕士学位期间发表的论文 | 第54页 |
