本文選題：人臉識(shí)別　切入點(diǎn)：局部深度特征　出處：《中國科學(xué)技術(shù)大學(xué)》2017年碩士論文　論文類型：學(xué)位論文

【摘要】：人臉識(shí)別是根據(jù)人的臉部特征信息進(jìn)行身份確認(rèn)的過程。伴隨著人工智能技術(shù)的發(fā)展,人臉識(shí)別技術(shù)越來越受到學(xué)術(shù)界和產(chǎn)業(yè)界的廣泛關(guān)注。人臉識(shí)別的關(guān)鍵就在于怎樣學(xué)習(xí)區(qū)分性和魯棒性的人臉特征表達(dá)。目前,基于卷積神經(jīng)網(wǎng)絡(luò)(Convolutional Neural Networks,CNN)的人臉表達(dá)學(xué)習(xí)是人臉識(shí)別領(lǐng)域的主流方法,該方法利用CNN的深度結(jié)構(gòu)通過逐層非線性映射的方式學(xué)習(xí)有效的人臉表達(dá),在條件受控的人臉識(shí)別任務(wù)(LFW)中已經(jīng)達(dá)到甚至超過了人工識(shí)別的結(jié)果,然而在復(fù)雜環(huán)境下的人臉識(shí)別任務(wù)(IJB-A)中仍然面臨著嚴(yán)峻的挑戰(zhàn),仍需進(jìn)一步研究新的技術(shù)和方法來學(xué)習(xí)區(qū)分性和魯棒性更強(qiáng)的人臉特征表達(dá),以提升復(fù)雜環(huán)境下的人臉識(shí)別性能。本文針對(duì)復(fù)雜環(huán)境下的人臉識(shí)別問題,借助于CNN卷積層輸出高效地提取人臉局部深度特征(Local Deep Features,LDF)集合,在此基礎(chǔ)上從統(tǒng)計(jì)建模的角度出發(fā)有效聚合人臉LDF,從而得到有效的人臉表達(dá)并應(yīng)用于人臉識(shí)別系統(tǒng)中。主要研究內(nèi)容包含如下:首先,本文有效利用CNN網(wǎng)絡(luò)的局部感知特性,卷積層輸出特征映射圖的每個(gè)空間單元都對(duì)應(yīng)人臉圖像中特定的局部感受域,每個(gè)空間單元上提取的特征向量可以表征原始圖像中某個(gè)局部區(qū)域的特性。借助于CNN的卷積層激活輸出能夠高效地提取人臉LDF集合,不僅有效地克服人臉全局深度特征缺乏幾何不變性的問題,并且緩解了局部特征學(xué)習(xí)過程中對(duì)臉部特征點(diǎn)精確定位算法的依賴。其次,本文提出了結(jié)合CNN不同卷積層信息的概率視覺碼本建模的Fisher Vector(FV)編碼方法實(shí)現(xiàn)對(duì)LDF的有效聚合,其中一個(gè)卷積層用作人臉LDF提取,緊接著一個(gè)卷積層用作LDF的指示變量,指導(dǎo)LDF按照不同的視覺單元進(jìn)行聚類,每個(gè)聚類中的特征分布采用單高斯建模,得到基于CNN的混合高斯模型(Gaussain Mixture Model,GMM)視覺碼本(CNN-GMM),有效改善了傳統(tǒng)GMM模型對(duì)高維LDF分布的建模能力,顯著提升人臉識(shí)別系統(tǒng)的性能。鑒于CNN-GMM模型沒有對(duì)人臉LDF的維間相關(guān)性信息進(jìn)行有效建模,本文還提出了基于混合因子分析(Mixtures Factor Analyzers,MFA)模型的FV編碼方法,利用具有全協(xié)方差矩陣的GMM模型對(duì)人臉LDF分布進(jìn)行建模,并推導(dǎo)得到MFA模型,將其作為概率視覺碼本提取人臉FV表達(dá),進(jìn)一步提升識(shí)別系統(tǒng)的性能。再者,為了有效聚合人臉LDF的同時(shí)降低人臉表達(dá)的維度,本文提出了基于全變量建模(Total Variability Modelling,TVM)的人臉低維子空間特征表達(dá)學(xué)習(xí)方法。采用不同的通用背景模型分別構(gòu)建TVM系統(tǒng),將人臉高斯超矢量表達(dá)轉(zhuǎn)換成低維子空間中的全變量因子表示(iVector),維持性能優(yōu)勢(shì)的同時(shí)極大降低特征表達(dá)的維數(shù)。最后,本文提出一種交叉雙線性網(wǎng)絡(luò)結(jié)構(gòu)有效結(jié)合CNN不同層信息,將前端LDF提取和后端人臉表達(dá)學(xué)習(xí)集成到統(tǒng)一的CNN中,并通過BP算法有監(jiān)督地對(duì)兩個(gè)模塊進(jìn)行同步優(yōu)化,優(yōu)勢(shì)互補(bǔ),較人臉全局深度特征表達(dá),該方法學(xué)習(xí)得到的人臉表達(dá)性能優(yōu)勢(shì)明顯。
[Abstract]:......
【學(xué)位授予單位】：中國科學(xué)技術(shù)大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2017
【分類號(hào)】：TP391.41

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 袁勇,李天牧;一種新的人臉特征定位及識(shí)別的方法[J];云南大學(xué)學(xué)報(bào)(自然科學(xué)版);2001年03期

2 莊莉 ,徐光yP ,艾海舟 ,梁路宏 ,彭振云;視頻中多線索的人臉特征檢測(cè)與跟蹤[J];計(jì)算機(jī)學(xué)報(bào);2003年02期

3 胡永利,尹寶才;基于線性組合模型的人臉特征檢測(cè)方法[J];北京工業(yè)大學(xué)學(xué)報(bào);2005年05期

4 胡靜俊;陳國斌;劉濟(jì)林;沈曄湖;;基于曲率和積分投影的人臉特征檢測(cè)[J];江南大學(xué)學(xué)報(bào);2006年06期

5 陳文娟;石民勇;孫慶杰;;利用人臉特征及其關(guān)系的漫畫夸張與合成[J];計(jì)算機(jī)輔助設(shè)計(jì)與圖形學(xué)學(xué)報(bào);2010年01期

6 陳瑩;張龍媛;;非約束環(huán)境下基于小樣本的人臉特征精確定位[J];模式識(shí)別與人工智能;2013年06期

7 彭振云,游素亞;允許姿態(tài)變化的快速人臉特征檢測(cè)[J];中國圖象圖形學(xué)報(bào);1997年04期

8 劉哲,高廣珠,余理富;一種快速而有效地定位人臉特征的方法[J];計(jì)算機(jī)應(yīng)用研究;2000年12期

9 劉偉節(jié);胡劍凌;徐盛;;一種改進(jìn)的基于人臉特征的人臉檢測(cè)方法[J];計(jì)算機(jī)工程與應(yīng)用;2006年12期

10 吳暾華;周昌樂;;一種魯棒的人臉特征定位方法[J];計(jì)算機(jī)應(yīng)用;2007年02期

相關(guān)會(huì)議論文 前5條

1 李娜;劉瑩;趙乾;陳嵐峰;;基于改進(jìn)SICA的人臉特征提取方法研究[A];第六屆全國信息獲取與處理學(xué)術(shù)會(huì)議論文集（3）[C];2008年

2 汪妍;夏良正;;基于小波變換的人臉特征定位[A];江蘇省自動(dòng)化學(xué)會(huì)七屆四次理事會(huì)暨2004學(xué)術(shù)年會(huì)青年學(xué)者論壇論文集[C];2004年

3 吳小俊;王士同;楊靜宇;劉同明;;基于擾動(dòng)方法和廣義K-L變換的人臉特征抽取[A];中國系統(tǒng)仿真學(xué)會(huì)第五次全國會(huì)員代表大會(huì)暨2006年全國學(xué)術(shù)年會(huì)論文集[C];2006年

4 彭小寧;鄒北驥;王磊;孫家廣;;一種改進(jìn)的基于定向投影法的人臉特征定位技術(shù)[A];中國計(jì)算機(jī)圖形學(xué)進(jìn)展2008--第七屆中國計(jì)算機(jī)圖形學(xué)大會(huì)論文集[C];2008年

5 薛翠紅;于明;;用于感興趣區(qū)域圖像編碼的人臉特征的檢測(cè)[A];全國第十屆企業(yè)信息化與工業(yè)工程學(xué)術(shù)年會(huì)論文集[C];2006年

相關(guān)博士學(xué)位論文 前8條

1 李偉紅;基于支持向量機(jī)的人臉特征選擇及識(shí)別研究[D];重慶大學(xué);2006年

2 王瓊;人臉與人臉特征檢測(cè)技術(shù)研究[D];南京理工大學(xué);2008年

3 謝永華;人臉特征抽取與分類器設(shè)計(jì)若干問題的研究[D];南京理工大學(xué);2006年

4 辜小花;保局鑒別人臉特征提取方法研究[D];重慶大學(xué);2011年

5 彭振云;魯棒的人臉識(shí)別方法研究[D];清華大學(xué);2002年

6 劉宏;基于曲線表示的人臉特征研究[D];吉林大學(xué);2014年

7 廖廣軍;復(fù)雜條件下的人臉檢測(cè)與識(shí)別應(yīng)用研究[D];華南理工大學(xué);2014年

8 吳暾華;面向中醫(yī)面診診斷信息提取的若干關(guān)鍵技術(shù)研究[D];廈門大學(xué);2008年

相關(guān)碩士學(xué)位論文 前10條

1 方晟;基于人臉特征的性別判斷和年齡估計(jì)方法研究[D];浙江大學(xué);2015年

2 李莉杰;基于人臉特征的兒童識(shí)別技術(shù)研究[D];電子科技大學(xué);2014年

3 劉海媚;基于特征表示的人臉識(shí)別算法研究[D];湖南師范大學(xué);2015年

4 張景森;基于視覺的虛擬眼鏡試戴系統(tǒng)開發(fā)[D];杭州電子科技大學(xué);2015年

5 彭正峗;基于LNG-score與模糊承諾的人臉特征加密算法研究[D];蘭州交通大學(xué);2015年

6 盧志蕙;智能手機(jī)上人臉支付系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn)[D];揚(yáng)州大學(xué);2014年

7 李仲林;基于顏色的人臉特征定位系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn)[D];華中科技大學(xué);2014年

8 孫凱傳;基于隨機(jī)森林的人臉特征檢測(cè)方法研究[D];江南大學(xué);2016年

9 龐飛;可撤除的人臉特征識(shí)別與認(rèn)證算法研究[D];華中科技大學(xué);2015年

10 趙福東;融合混沌理論與RSA的人臉特征模板加密算法[D];哈爾濱理工大學(xué);2016年

，

本文編號(hào)：1564272