第一个书签之前
摘要
ABSTRACT
插图索引
表格索引
符号对照表
缩略语对照表
第一章 绪论
1.1 研究背景及意义
1.1.1 研究背景
1.1.2 研究意义
1.2 研究现状
1.3 创新点与主要工作
1.4 论文的章节内容
第二章 基础知识介绍
2.1 深度神经网络模型
2.1.1 卷积神经网络CNN
2.1.2 长短期记忆网络LSTM
2.2 深度学习框架：Caffe和Keras
2.2.1 Caffe
2.2.2 Keras
2.3 流计算框架Spark Streaming
2.4 Android移动终端基础知识
2.4.1 Android系统
2.4.2 Camera v2 API简介
2.5 设计视觉激励基础知识
2.5.1 Adobe After Effects
2.5.2 bodymovin
2.5.3 lottie-android
2.6 本章小结
第三章 基于眼动轨迹的智能移动设备安全鉴权机制
3.1 安全鉴权机制的系统架构
3.2 基于眼动轨迹的数据采集方法
3.2.1 视觉激励信号产生过程
3.2.2 脸部图像数据采集过程
3.3 基于流技术的数据预处理方法
3.4 基于卷积神经网络的静态特征提取方法
3.5 基于循环卷积神经网络的动态特征提取方法
3.6 基于支持向量机的分类方法
3.7 本章小结
第四章 系统实现细节
4.1 系统模块实现流程
4.2 移动终端激励模块的实现
4.2.1 视觉激励信号子模块的实现
4.2.2 前置相机拍摄子模块的实现
4.3 图片接收模块的实现
4.4 静态特征抽取模块的实现
4.4.1 数据层
4.4.2 视觉层和激活层
4.4.3 其他层
4.4.4 solver配置文件
4.5 动态特征抽取模块的实现
4.5.1 自定义循环卷积神经网络的实现
4.5.2 训练过程的实现
4.6 特征分类模块的实现
4.7 本章小结
第五章 系统测试与性能分析
5.1 测试内容与运行环境
5.2 移动终端激励模块的测试
5.2.1 视觉激励信号子模块的测试
5.2.2 前置相机拍摄子模块的测试
5.3 图片接收模块的测试
5.4 静态特征抽取模块的测试
5.5 动态特征抽取模块的测试
5.6 特征分类模块的测试
5.7 本章小结
第六章 总结与展望
6.1 工作总结
6.2 工作展望
参考文献
致谢
作者简介
