1 绪论
1.1 课题研究背景及意义
1.2.1 迎宾机器人研究现状
1.2.2 人脸识别研究现状
1.3 本文主要研究内容及章节安排
2 深度学习基础知识
2.1 卷积神经网络的构成
2.2 卷积神经网络的优化
2.3.1 神经网络的训练
2.3.2 常见的优化算法
2.4 本章小结
3 人脸检测算法选择
3.1 基于Haar特征的Adaboost级联人脸检测
3.2 基于级联CNN的人脸检测
3.3 基于SSD的人脸检测
3.4 方法对比
3.5 本章小结
4 抗眼镜遮挡算法的设计与实现
4.1 生成对抗网络模型
4.2.1 改进生成器网络
4.2.2 改进判别器网络
4.3.1 人脸去遮挡模型
4.3.2 制作数据集
4.3.3 人脸去遮挡模型的训练
4.4.1 实验流程
4.4.2 实验结果对比与分析
4.5 本章小结
5 人脸识别算法选择与优化
5.1 人脸识别算法选择
5.1.1 基于DeepID的人脸识别
5.1.2 基于FaceNet的人脸识别
5.1.3 人脸识别方法对比
5.2 基于capsule的改进FaceNet网络
5.2.1 capsule神经元模型
5.2.2 传统神经元与capsule神经元模型对比
5.2.3 改进FaceNet
5.2.4 训练与测试
5.3 本章小结
6 渝骄机器人人脸识别系统设计的实现
6.1 渝骄机器人硬件平台
6.2 人脸识别系统的软件实现
6.3 实验测试
6.3.1 实验一
6.3.2 实验二
6.3.3 实验三
6.3.4 实验四
6.3.5 实验五
6.3.6 实验六
6.3.7 实验七
6.4 本章小结
7 总结与展望
7.1 总结
7.2 展望
参考文献
附录
A. 作者在攻读硕士学位期间申请的专利
B. 作者在攻读硕士学位期间参与的项目
C. 学位论文数据集
致谢
重庆大学;