本文針對課堂場景設(shè)計(jì)一個(gè)自動(dòng)化考勤系統(tǒng),主要基于課堂監(jiān)控視頻流,采用人臉識(shí)別來實(shí)現(xiàn),并提出了一種人臉圖像質(zhì)量評估算法。主要工作如下:（1）本文首先進(jìn)行人臉識(shí)別技術(shù)的研究,包含人臉檢測算法、人臉識(shí)別算法的研究。人臉檢測方面,基于深度學(xué)習(xí)的Retina Face算法在監(jiān)控場景中表現(xiàn)出優(yōu)異的效果,相比經(jīng)典的MTCNN算法,無論是效果還是檢測速度都有較大提升,因此選用Retina Face作為本系統(tǒng)的人臉檢測算法。人臉識(shí)別部分選用了Face Net方法,實(shí)驗(yàn)表明Face Net在非約束情況下的人臉識(shí)別表現(xiàn)出良好的效果。（2）在實(shí)驗(yàn)中發(fā)現(xiàn),人臉圖像的模糊、角度等問題會(huì)對人臉識(shí)別造成一定的干擾,影響了人臉識(shí)別的準(zhǔn)確率。因此本文在人臉識(shí)別過程中加入了一個(gè)人臉圖像質(zhì)量評估環(huán)節(jié)。由于目前沒有公開的人臉圖像質(zhì)量評估數(shù)據(jù)集,本文自建了一個(gè)人臉圖像質(zhì)量評估數(shù)據(jù)集,提出了一種結(jié)合Face Net人臉?biāo)惴ㄇ蟪鲇嘞蚁嗨贫葘?shù)據(jù)進(jìn)行評分標(biāo)注的方法。訓(xùn)練得到的模型在測試集上表現(xiàn)出較好的效果。經(jīng)過實(shí)驗(yàn)發(fā)現(xiàn),在加入了圖像質(zhì)量評估環(huán)節(jié)后,能有效篩去低質(zhì)量圖像,一定程度上減少了誤識(shí)別的現(xiàn)象,使本系統(tǒng)的準(zhǔn)確率有了一定的提升。（3... 

【文章來源】：哈爾濱工業(yè)大學(xué)黑龍江省 211工程院校 985工程院校

【文章頁數(shù)】：72 頁

【學(xué)位級別】：碩士

【文章目錄】：
摘要
Abstract
第1章 緒論
    1.1 研究的目的和意義
    1.2 國內(nèi)外研究現(xiàn)狀
        1.2.1 自動(dòng)化考勤的研究現(xiàn)狀
        1.2.2 人臉識(shí)別研究現(xiàn)狀
        1.2.3 圖像質(zhì)量評估研究現(xiàn)狀
    1.3 本文研究內(nèi)容與結(jié)構(gòu)安排
    1.4 本章小結(jié)
第2章 人臉檢測及識(shí)別技術(shù)的研究
    2.1 人臉檢測算法
        2.1.1 MTCNN人臉檢測算法
        2.1.2 RetinaFace人臉檢測算法
        2.1.3 兩種算法的實(shí)驗(yàn)對比
    2.2 FaceNet人臉識(shí)別算法
        2.2.1 FaceNet模型簡介
        2.2.2 tripleloss損失函數(shù)
        2.2.3 改進(jìn)損失函數(shù)的FaceNet
        2.2.4 模型訓(xùn)練和效果
        2.2.5 FaceNet人臉識(shí)別在實(shí)時(shí)視頻中的效果實(shí)驗(yàn)
        2.2.6 在課堂監(jiān)控場景中人臉識(shí)別存在的挑戰(zhàn)
        2.2.7 影響人臉識(shí)別的因素總結(jié)
第3章 人臉圖像質(zhì)量評估算法的研究與設(shè)計(jì)
    3.1 圖像質(zhì)量評估算法簡介
    3.2 圖像質(zhì)量評估數(shù)據(jù)集
    3.3 圖像質(zhì)量評估模型評價(jià)指標(biāo)
    3.4 人臉圖像質(zhì)量評估算法設(shè)計(jì)
        3.4.1 遷移學(xué)習(xí)簡介
        3.4.2 ImageNet預(yù)訓(xùn)練模型
        3.4.3 網(wǎng)絡(luò)結(jié)構(gòu)選擇
        3.4.4 模型訓(xùn)練過程
        3.4.5 圖像預(yù)處理
        3.4.6 基于imagenet預(yù)訓(xùn)練模型的圖像質(zhì)量評估模型訓(xùn)練
        3.4.7 SVM回歸模型訓(xùn)練
    3.5 本算法效果評價(jià)
        3.5.1 評價(jià)指標(biāo)對比
        3.5.2 測試效果
    3.6 自建人臉I(yè)QA數(shù)據(jù)集
        3.6.1 質(zhì)量分?jǐn)?shù)的標(biāo)注方法
        3.6.2 人臉數(shù)據(jù)集的選擇
        3.6.3 人臉圖像質(zhì)量評估數(shù)據(jù)集的制作
        3.6.4 模型訓(xùn)練
    3.7 對人臉識(shí)別準(zhǔn)確率的影響
    3.8 本章小結(jié)
第4章 考勤系統(tǒng)的設(shè)計(jì)
    4.1 系統(tǒng)設(shè)計(jì)
        4.1.1 系統(tǒng)功能需求
        4.1.2 系統(tǒng)性能需求
        4.1.3 系統(tǒng)整體結(jié)構(gòu)
        4.1.4 數(shù)據(jù)庫設(shè)計(jì)
        4.1.5 系統(tǒng)流程
    4.2 mysql數(shù)據(jù)庫表的設(shè)計(jì)
    4.3 圖像采集模塊的設(shè)計(jì)
        4.3.1 圖像采集方案
        4.3.2 圖像采集設(shè)備的選擇
    4.4 基于視頻流的考勤模塊的設(shè)計(jì)
        4.4.1 人臉檢測部分
        4.4.2 圖像質(zhì)量評估部分
        4.4.3 人臉識(shí)別部分
    4.5 考勤管理系統(tǒng)設(shè)計(jì)
        4.5.1 登錄模塊
        4.5.2 注冊模塊
        4.5.3 學(xué)生個(gè)人信息管理模塊
        4.5.4 學(xué)生選課管理模塊
        4.5.5 學(xué)生考勤情況管理模塊
        4.5.6 教師課程管理模塊
        4.5.7 考勤模塊
        4.5.8 教師課堂考勤管理模塊
        4.5.9 后臺(tái)管理員模塊
    4.6 效果測試
        4.6.1 測試數(shù)據(jù)的準(zhǔn)備
        4.6.2 人臉檢測模塊測試
        4.6.3 人臉識(shí)別模塊測試
        4.6.4 識(shí)別結(jié)果分析
第5章 總結(jié)與展望
    5.1 本文總結(jié)
    5.2 研究展望
參考文獻(xiàn)
攻讀碩士學(xué)位期間發(fā)表的論文及其它成果
致謝
個(gè)人簡歷


【參考文獻(xiàn)】：
期刊論文
[1]基于遷移學(xué)習(xí)的人臉圖像質(zhì)量評估[J]. 程換新,侯曉克.  電子測量技術(shù). 2019(12)
[2]深度學(xué)習(xí)在圖像識(shí)別中的應(yīng)用研究綜述[J]. 鄭遠(yuǎn)攀,李廣陽,李曄.  計(jì)算機(jī)工程與應(yīng)用. 2019(12)
[3]移動(dòng)端人臉圖像無參考質(zhì)量快速評估方法[J]. 何長婷,朱明.  小型微型計(jì)算機(jī)系統(tǒng). 2019(02)
[4]人臉識(shí)別技術(shù)綜述[J]. 簡訊.  電腦知識(shí)與技術(shù). 2019(02)
[5]基于STM32和C#的學(xué)生考勤系統(tǒng)設(shè)計(jì)[J]. 吳海龍,柏正堯,武文強(qiáng).  國外電子測量技術(shù). 2017(12)
[6]深度學(xué)習(xí)的視頻監(jiān)控下的人臉清晰度評價(jià)[J]. 陳奇,章東平,楊力.  中國計(jì)量大學(xué)學(xué)報(bào). 2017(04)
[7]基于人臉識(shí)別的智能課堂點(diǎn)名系統(tǒng)[J]. 荊洲,權(quán)偉,唐杰,晏寒.  軟件工程. 2017(05)
[8]圖像清晰度評價(jià)算法研究[J]. 孫紅利,馮旗,董峰.  傳感器與微系統(tǒng). 2017(02)
[9]無參考圖像質(zhì)量評價(jià)綜述[J]. 王志明.  自動(dòng)化學(xué)報(bào). 2015(06)
[10]基于新Haar-like特征的多角度人臉檢測[J]. 劉曉克,孫燮華,周永霞.  計(jì)算機(jī)工程. 2009(19)

碩士論文
[1]課堂簽到系統(tǒng)中的人臉識(shí)別方法研究與實(shí)現(xiàn)[D]. 何長婷.中國科學(xué)技術(shù)大學(xué) 2018
[2]基于深度學(xué)習(xí)的監(jiān)控視頻中人臉識(shí)別方法改進(jìn)[D]. 王亞.中國科學(xué)技術(shù)大學(xué) 2018
[3]圖像質(zhì)量評估算法及其應(yīng)用研究[D]. 陳森.西安電子科技大學(xué) 2018
[4]基于視覺特性和NSS（自然場景統(tǒng)計(jì)特性）的立體圖像質(zhì)量評價(jià)[D]. 汪亞芳.天津大學(xué) 2018
[5]基于圖像結(jié)構(gòu)信息和自然場景統(tǒng)計(jì)的圖像質(zhì)量客觀評價(jià)[D]. 馬彤彤.天津大學(xué) 2018
[6]基于CNN的無參考人臉圖像質(zhì)量評估[D]. 周秋月.華中科技大學(xué) 2017
[7]基于深度學(xué)習(xí)的人臉圖像質(zhì)量評價(jià)[D]. 潘岑蕙.上海交通大學(xué) 2017
[8]基于指紋識(shí)別的云考勤系統(tǒng)設(shè)計(jì)與實(shí)現(xiàn)[D]. 孫雪冰.濟(jì)南大學(xué) 2016
[9]面向視頻監(jiān)控系統(tǒng)的圖像質(zhì)量評估系統(tǒng)設(shè)計(jì)[D]. 閔子彥.上海交通大學(xué) 2015
[10]基于虹膜識(shí)別的門禁考勤系統(tǒng)設(shè)計(jì)[D]. 王川.哈爾濱工業(yè)大學(xué) 2013



本文編號：3044797