声明
第一章 绪 论
1.1 研究背景及意义
1.2 国内外研究现状
1.2.1 基于上下文信息的分析
1.2.2 基于3D深度信息的分析
1.2.3 基于纹理特征的分析
1.2.4 基于特征融合的分析
1.2.5 基于深度学习的分析
1.3 论文研究内容及创新点
1.4 论文组织结构
第二章 活体人脸检测相关知识介绍
2.1 常见的欺骗方式
2.2 小波分析及应用
2.2.1 连续小波变换
2.2.2 离散小波变换
2.2.3 基于小波变换的图像处理
2.3 神经网络概述
2.3.1 神经网络的发展
2.3.2 神经网络的结构
2.3.3 反向传播算法
2.4 实验数据
2.4.1 NUAA照片假冒数据库
2.4.2CASIA FASD数据库
2.4.3Replay Attack数据库
2.4.4MSU USSA数据库
2.5 评价标准
2.6 本章小结
第三章 基于纹理特征融合的活体人脸检测算法
3.1 局部二值模式
3.2 灰度共生矩阵
3.3 灰度分布统计
3.4 对偶树复小波变换
3.5 纹理特征融合
3.6 实验结果
3.7 本章小结
第四章 基于动态纹理特征与深度特征融合的活体人脸检测算法
4.1 卷积神经网络
4.2 深度特征提取
4.3 动态纹理特征与深度特征融合
4.4 浅层神经网络与深层神经网络对比
4.5 动态纹理特征的分析
4.6 实验结果
4.7 本章小结
第五章 基于拉普拉斯嵌入多级融合网络的活体人脸检测算法
5.1 多级融合的卷积神经网络
5.2 联合监督策略
5.3 监督策略和网络结构的分析
5.3.1 监督策略
5.3.2 网络结构
5.4 模型参数分析
5.4.1 参数?的影响
5.4.2 学习率?的影响
5.4.3 批量大小的影响
5.4.4 训练轮数的影响
5.5 与本文方法比较
5.6 实验结果
5.7 本章小结
第六章 活体人脸检测系统
6.1 开发环境与程序设计语言
6.2 主界面设计
6.3 图像获取模块
6.3.1 图像采集
6.3.2 图像保存
6.4 活体检测模块
6.4.1 图像特征提取
6.4.2 图像特征分类
6.4.3 算法精度比较
6.5 本章小结
第七章 结论与展望
7.1 全文总结
7.2 研究展望
参考文献
致谢
附录
