声明
第1章 绪 论
1.1 研究背景和意义
1.2 国内外研究现状
1.3 本文研究内容
1.4 论文组织结构
第2章 相关技术研究
2.1 概述
2.2 人脸检测
2.2.1 人脸检测的算法
2.2.2 人脸检测算法评价指标
2.2.3 人脸检测常用数据库
2.3 特征提取与分类
2.3.1 特征提取
2.3.2 特征分类
2.4 卷积神经网络
2.4.1卷积层
2.4.2 池化层
2.4.3 全连接层
2.4.4 激活函数
2.4.5 损失函数
2.4.6 CNN前向传播
2.4.7 CNN反向传播
2.4.8 优化器
2.4.9 Tensorflow框架
2.5常见的卷积神经网络模型
2.5.1 LeNet-5
2.5.2 AlexNet
2.5.3 VGGNet
2.5.4 GoogLeNet
2.5.5 ResNet
2.6 本章小结
第3章 自然光照下人脸识别
3.1 引言
3.2 基于特征融合的人脸识别
3.2.1 局部二值模式（LBP）
3.2.2 改进的LBP
3.2.3 Gabor小波
3.2.4 广义判别分析（GDA）
3.2.5 判别相关分性（DCA）
3.2.6 特征融合模型的研究策略
3.3实验设计与结果分析
3.3.1数据集
3.3.2实验设计及结果分析
3.4 本章小节
第4章 深度学习下的人脸识别
4.1 引言
4.2 基于DenseNet改进的人脸识别
4.2.1 卷积神经网络结构设计
4.2.2 损失函数的改进
4.3 实验设计与结果分析
4.3.1 数据集
4.3.2 预处理
4.3.3 实验结果与分析
4.4 本章小结
第5章 基于人脸识别的课堂签到系统
5.1需求分析
5.1.1 功能要求
5.1.2 性能要求
5.2 课堂签到系统设计
5.2.1 人脸检测模块
5.2.2 人脸识别模块
5.2.3 数据库设计
5.2.4 系统客户端
5.2.5 Web服务器模块
5.3 系统测试与应用
5.3.1系统运行环境
5.3.2 测试样本
5.3.3系统测试结果与分析
5.4 本章小结
第6章 总结与展望
6.1 工作总结
6.2 展望
参考文献
致谢
攻读硕士期间发表的论文
江苏大学;
