声明
第1章 绪 论
1.1 人脸识别智能锁的背景与意义
1.2 人脸识别智能锁算法的分类
1.3 人脸识别智能锁的国内外研究现状
1.4 论文的主要研究内容
第2章 人脸识别智能锁的基础理论
2.1 卷积神经网络
2.1.1 卷积神经网络的结构
2.2 CNN网络的训练过程
2.2.1 CNN网络的正向传播
2.2.2 CNN网络的反向传播
2.2.3 神经网络训练防止过拟合的措施
2.3 卷积神经网络模型的分类
2.3.1 AlexNet网络模型
2.3.2 VGGNet网络模型
2.3.3 ResNet网络模型
2.3.4 GoogLeNet网络模型
2.4 深度学习框架
2.5 本章总结
第3章 人脸识别智能锁的算法设计与实现
3.1 人脸检测模块
3.1.1 传统的人脸检测
3.1.2 人脸检测网络MTCNN
3.1.3 MTCNN损失函数
3.1.4 工程实现
3.2 人脸预处理模块
3.2.1 人脸图像归一化
3.2.2 人脸对齐
3.3 模型量化及压缩
3.3.1 模型量化原理
3.3.2 模型压缩实现
3.4 人脸识别模块
3.4.1 人脸识别实验
3.4.2 实验结果分析
3.4.3 工程实现
3.5 本章小结
第4章 迁移学习的应用
4.1 迁移学习
4.1.1 微调分类
4.1.2 微调fine-tune
4.2 数据集的获取与预处理
4.2.1人脸数据集的获取
4.2.2 图像预处理
4.3 网络微调
4.3.1 硬件配置
4.3.2 工程实现
4.3.2 实验与分析
4.4 本章小结
第5章 嵌入式系统设计
5.1 硬件系统设计
5.1.1 嵌入式硬件设计方案
5.1.2 主控模块的选择
5.1.3 摄像头选取
5.1.4 电控锁的选择
5.2 软件平台设计
5.2.1 嵌入式操作系统搭建
5.2.2 Tensorflow在Android系统上移植
5.3 系统测试结果与分析
5.3.1 摄像头图像采集模块测试
5.3.2 人脸检测模块测试
5.3.3 人脸预处理模块
5.3.4 人脸识别模块
5.3.5 电插锁测试
5.3.6 系统整体测试
5.4 本章小结
结论
参考文献
致谢
燕山大学;
