發(fā)布時(shí)間：2017-10-19 15:21

  本文關(guān)鍵詞：基于深度學(xué)習(xí)的活體人臉檢測(cè)算法研究

  更多相關(guān)文章： 活體人臉檢測(cè) 卷積神經(jīng)網(wǎng)絡(luò) 深度學(xué)習(xí) 人臉認(rèn)證系統(tǒng)

【摘要】：近年來(lái),隨著互聯(lián)網(wǎng)+概念的提出,基于網(wǎng)絡(luò)的應(yīng)用不斷拓展,在線身份成為一大難題�；谏锾卣鞯脑诰�認(rèn)證技術(shù)能夠保持人的數(shù)字身份和物理身份的一致性,因而受到人們的關(guān)注。論文針對(duì)活體人臉檢測(cè)問(wèn)題開(kāi)展研究,主要工作包括:1.提出了一種基于深度學(xué)習(xí)的活體人臉檢測(cè)方法。首先用人臉圖像訓(xùn)練了一個(gè)深度神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)用于活體檢測(cè)。由于活體人臉檢測(cè)是一個(gè)二分類(lèi)問(wèn)題,因此其監(jiān)督信號(hào)比較弱,提取特征魯棒性不好,算法性能不理想。針對(duì)這一問(wèn)題,我們進(jìn)一步研究了基于微調(diào)策略的方法。用活體檢測(cè)訓(xùn)練圖像對(duì)Alex-net進(jìn)行微調(diào)得到一個(gè)更高效的網(wǎng)絡(luò)。實(shí)驗(yàn)結(jié)果表明,本文所提出的方法非常具有競(jìng)爭(zhēng)力。2.提出了基于動(dòng)態(tài)特征的卷積神經(jīng)網(wǎng)絡(luò)活體檢測(cè)算法。首先采用金字塔LK光流法跟蹤視頻,得到圖像的動(dòng)態(tài)信息,然后對(duì)光流運(yùn)動(dòng)信息進(jìn)行分析,計(jì)算水平位移和垂直位移,進(jìn)一步根據(jù)兩個(gè)位移計(jì)算位移幅度圖,即動(dòng)態(tài)特征圖,將動(dòng)態(tài)特征圖作為卷積神經(jīng)網(wǎng)絡(luò)的輸入,最后進(jìn)行特征提取以及活體檢測(cè)。3.設(shè)計(jì)了一個(gè)具有活體人臉檢測(cè)功能的人臉認(rèn)證系統(tǒng),該系統(tǒng)包括注冊(cè)階段以及認(rèn)證階段,注冊(cè)階段包括人臉圖像檢測(cè),特征提取模塊,認(rèn)證階段包括人臉檢測(cè),活體人臉判別,特征提取以及相似度計(jì)算模塊。
【關(guān)鍵詞】：活體人臉檢測(cè) 卷積神經(jīng)網(wǎng)絡(luò) 深度學(xué)習(xí) 人臉認(rèn)證系統(tǒng)
【學(xué)位授予單位】：北京工業(yè)大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2016
【分類(lèi)號(hào)】：TP391.41
【目錄】：

• 摘要4-5
• ABSTRACT5-8
• 第1章 緒論8-14
• 1.1 課題背景與意義8-9
• 1.2 人體生物特征欺騙手段9-10
• 1.3 活體人臉檢測(cè)10-11
• 1.4 論文的研究?jī)?nèi)容和結(jié)構(gòu)11-14
• 第2章 活體人臉檢測(cè)綜述14-30
• 2.1 人臉身份認(rèn)證中常見(jiàn)的欺騙方法14-15
• 2.2 活體人臉檢測(cè)研究現(xiàn)狀15-23
• 2.2.1 基于圖像紋理分析的方法16-22
• 2.2.2 基于三維結(jié)構(gòu)分析的方法22
• 2.2.3 基于運(yùn)動(dòng)信息分析的方法22-23
• 2.3 活體人臉檢測(cè)數(shù)據(jù)庫(kù)23-28
• 2.4 本章小結(jié)28-30
• 第3章 基于卷積神經(jīng)網(wǎng)絡(luò)的活體人臉檢測(cè)30-48
• 3.1 卷積神經(jīng)網(wǎng)絡(luò)（Convolutional Neural Networks）基礎(chǔ)知識(shí)30-33
• 3.1.1 神經(jīng)網(wǎng)絡(luò)30-31
• 3.1.2 卷積神經(jīng)網(wǎng)絡(luò)31-33
• 3.2 基于卷積神經(jīng)網(wǎng)絡(luò)的活體人臉檢測(cè)算法33-39
• 3.2.1 算法的總體框架33
• 3.2.2 卷積神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)33-35
• 3.2.3 卷積神經(jīng)網(wǎng)絡(luò)的參數(shù)配置35-37
• 3.2.4 卷積神經(jīng)網(wǎng)絡(luò)訓(xùn)練37-39
• 3.3 基于微調(diào)策略的卷積神經(jīng)網(wǎng)絡(luò)人臉活體檢測(cè)算法39-43
• 3.3.1 微調(diào)策略概述39
• 3.3.2 基于圖像分類(lèi)的網(wǎng)絡(luò)結(jié)構(gòu)預(yù)訓(xùn)練39-41
• 3.3.3 圖像分類(lèi)數(shù)據(jù)庫(kù)41
• 3.3.4 對(duì)預(yù)訓(xùn)練的網(wǎng)絡(luò)進(jìn)行微調(diào)41-43
• 3.4 實(shí)驗(yàn)結(jié)果及分析43-46
• 3.4.1 Print-Attack數(shù)據(jù)庫(kù)的實(shí)驗(yàn)結(jié)果44-45
• 3.4.2 Replay -Attack數(shù)據(jù)庫(kù)的實(shí)驗(yàn)結(jié)果45-46
• 3.4.3 CASIA-FASD數(shù)據(jù)庫(kù)的實(shí)驗(yàn)結(jié)果46
• 3.5 本章小結(jié)46-48
• 第4章 基于運(yùn)動(dòng)特征的卷積神經(jīng)網(wǎng)絡(luò)活體人臉檢測(cè)算法48-54
• 4.1 算法流程48
• 4.2 光流法選擇及實(shí)現(xiàn)48-51
• 4.2.1 光流法介紹48-50
• 4.2.1.1 光流約束方程49
• 4.2.1.2 金字塔光流法49-50
• 4.2.2 不同類(lèi)型圖像的運(yùn)動(dòng)特征分析50-51
• 4.3 網(wǎng)絡(luò)訓(xùn)練51
• 4.4 實(shí)驗(yàn)結(jié)果以及分析51-53
• 4.5 本章小結(jié)53-54
• 第5章 具有活體檢測(cè)功能的人臉身份認(rèn)證系統(tǒng)54-68
• 5.1 活體人臉數(shù)據(jù)庫(kù)的采集54-55
• 5.2 系統(tǒng)方案設(shè)計(jì)55-57
• 5.2.1 系統(tǒng)總體設(shè)計(jì)55
• 5.2.2 系統(tǒng)功能模塊55-57
• 5.3 系統(tǒng)實(shí)現(xiàn)57-67
• 5.3.1 系統(tǒng)主界面57
• 5.3.2 注冊(cè)功能模塊界面57-61
• 5.3.3 認(rèn)證功能模塊界面61-67
• 5.4 本章小結(jié)67-68
• 結(jié)論68-70
• 參考文獻(xiàn)70-74
• 攻讀碩士學(xué)位期間發(fā)表的學(xué)術(shù)論文74-76
• 致謝76

，

本文編號(hào)：1061833