声明
第一章 绪论
1.1 研究的背景及意义
1.2 国内外研究现状
1.2.1 人脸活体检测研究现状
1.2.2 视线估计研究现状
1.3 主要研究内容
1.4 章节安排
第二章 人脸活体检测与视线估计技术相关综述
2.1 引言
2.2 深度卷积神经网络
2.3 人脸活体检测技术
2.3.1 假体攻击方式
2.3.2 活体检测方法
2.3.3 活体检测数据集
2.3.4 模型评估方法
2.4 基于深度学习的视线估计技术
2.4.1 常用方法总结
2.4.2 相关数据集介绍
2.5 本章小结
第三章 基于TOF相机的人脸活体检测方案
3.1 引言
3.2 TOF相机模组介绍
3.3 人脸数据采集
3.4 基于MobileNet的多模态决策融合网络
3.4.1 人脸检测与矫正
3.4.2 网络架构设计
3.4.3 损失函数设计
3.5 实验与分析
3.5.1 实验设置
3.5.2 实验一：模型性能测试
3.5.3 实验二：不同网络结构测试结果对比
3.5.4 实验三：模型转换与部署
3.6 本章小结
第四章 基于表观的视线估计研究
4.1 引言
4.2 基于头部姿态的单眼选择算法
4.2.1 头部姿态估计
4.2.2 单眼图片选择方法
4.3 融合神经网络结构
4.3.1 网络总体结构
4.3.2 眼部特征提取网络
4.3.3 面部特征提取网络
4.4 实验与分析
4.4.1 实验数据与参数设置
4.4.2 实验一：消融实验结果
4.4.3 实验二：单眼网络性能实验
4.4.4 实验三：单眼选择实验
4.5 本章小结
第五章 改进基于模型的视线估计应用方案
5.1 引言
5.2 数据增强方法
5.3 改进Hourglass沙漏网络
5.3.1 网络架构设计
5.3.2 视线计算方法
5.4 实验与分析
5.4.1 实验设置
5.4.2 实验一：数据增强实验
5.4.3 实验二：公开数据集测试结果
5.4.4 实验三：实时测试结果
5.5 本章小结
总结与展望
参考文献
攻读硕士学位期间取得的学术成果
致谢
安徽大学;
