本文選題：人臉特征點(diǎn)定位 + 深度學(xué)習(xí)��； 參考：《北京郵電大學(xué)》2016年碩士論文

【摘要】：近幾年,隨著互聯(lián)網(wǎng)的飛速發(fā)展和計(jì)算機(jī)視覺算法研究的不斷深入,基于深度學(xué)習(xí)的圖像處理技術(shù)得到了蓬勃的發(fā)展。人臉特征點(diǎn)定位和人臉識(shí)別作為計(jì)算機(jī)視覺主要研究方向之一,也得到了很大發(fā)展。在這種背景下,本文在前人的研究基礎(chǔ)上,實(shí)現(xiàn)并改進(jìn)了基于自適應(yīng)級(jí)聯(lián)卷積神經(jīng)網(wǎng)絡(luò)的特征點(diǎn)定位。本文的研究工作主要有以下幾個(gè)方面:1.對(duì)級(jí)聯(lián)線性回歸方法進(jìn)行了總結(jié)與分析,指出級(jí)聯(lián)系統(tǒng)對(duì)人臉特征點(diǎn)定位是十分有效的。2.提出了一個(gè)用于人臉特征點(diǎn)定位的新的卷積神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu),同時(shí)提出了自適應(yīng)級(jí)聯(lián)卷積神經(jīng)網(wǎng)絡(luò)系統(tǒng),使用高斯模型對(duì)級(jí)聯(lián)系統(tǒng)中的前一層網(wǎng)絡(luò)的輸出進(jìn)行建模,用于選擇下一層網(wǎng)絡(luò)的訓(xùn)練樣本,使得級(jí)聯(lián)變的高效。3.基于自適應(yīng)級(jí)聯(lián)算法,實(shí)現(xiàn)了用于人臉臉部五個(gè)特征點(diǎn)檢測(cè)和六十八個(gè)特征點(diǎn)的系統(tǒng)。4.基于特征點(diǎn)定位,實(shí)現(xiàn)基于卷積神經(jīng)網(wǎng)絡(luò)的人臉特征提取,以及人臉識(shí)別算法,在標(biāo)準(zhǔn)數(shù)據(jù)集LFW上達(dá)到97.2%的準(zhǔn)確率。
[Abstract]:In recent years, with the rapid development of the Internet and the research of computer vision algorithm, image processing technology based on in-depth learning has been booming. As one of the main research directions of computer vision, face feature point location and face recognition have also been greatly developed. In this context, based on the previous research, the feature point localization based on adaptive cascaded convolution neural network is realized and improved. The research work of this paper mainly has the following several aspects: 1. The concatenated linear regression method is summarized and analyzed, and it is pointed out that the cascade system is very effective in locating facial feature points. In this paper, a new convolution neural network structure for face feature point location is proposed, and an adaptive cascaded convolution neural network system is proposed. The output of the previous layer network in the cascade system is modeled by using Gao Si model. The training sample used to select the next layer network makes the cascade variable efficient. 3. Based on the adaptive cascade algorithm, the system. 4. 4 is implemented to detect five feature points and 68 feature points of face. Based on feature point location, face feature extraction based on convolutional neural network and face recognition algorithm are realized. The accuracy rate is 97.2% on LFW standard data set.
【學(xué)位授予單位】：北京郵電大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2016
【分類號(hào)】：TP391.41;TP181

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 劉成明;張立明;;一種改進(jìn)的人臉特征點(diǎn)定位方法[J];復(fù)旦學(xué)報(bào)(自然科學(xué)版);2006年04期

2 趙恩環(huán);杜玲;;基于模型約束的人臉特征點(diǎn)跟蹤[J];光盤技術(shù);2008年10期

3 王麗婷;丁曉青;方馳;;一種魯棒的全自動(dòng)人臉特征點(diǎn)定位方法[J];自動(dòng)化學(xué)報(bào);2009年01期

4 鄭青碧;許穎梅;;一種快速高效的人臉特征點(diǎn)定位方法[J];計(jì)算機(jī)應(yīng)用研究;2014年04期

5 宋剛,艾海舟,徐光yP;紋理約束下的人臉特征點(diǎn)跟蹤[J];軟件學(xué)報(bào);2004年11期

6 關(guān)鵬;張立明;;基于貝賽爾曲面的三維人臉特征點(diǎn)定位方法[J];復(fù)旦學(xué)報(bào)(自然科學(xué)版);2008年01期

7 金城;卜佳俊;陳華;陳純;宋明黎;吳祺;;自底向上的人臉特征點(diǎn)定位[J];浙江大學(xué)學(xué)報(bào)(工學(xué)版);2008年05期

8 鄒北驥;曾陽;王磊;彭小寧;;一種處理遮掩的人臉特征點(diǎn)定位方法[J];系統(tǒng)仿真學(xué)報(bào);2009年08期

9 黃琛;丁曉青;方馳;;一種魯棒高效的人臉特征點(diǎn)跟蹤方法[J];自動(dòng)化學(xué)報(bào);2012年05期

10 徐國慶;;在線模板的人臉特征點(diǎn)對(duì)齊[J];計(jì)算機(jī)工程與設(shè)計(jì);2013年11期

相關(guān)會(huì)議論文 前1條

1 謝琛;;基于ASM的人臉特征點(diǎn)定位淺析[A];中國電子學(xué)會(huì)第十六屆信息論學(xué)術(shù)年會(huì)論文集[C];2009年

相關(guān)博士學(xué)位論文 前6條

1 崔瀅;基于統(tǒng)計(jì)學(xué)習(xí)的人臉特征點(diǎn)定位算法研究[D];南京理工大學(xué);2015年

2 趙海明;3D打印設(shè)計(jì)與個(gè)性化制造技術(shù)[D];浙江大學(xué);2017年

3 王軍南;人臉特征點(diǎn)檢測(cè)方法研究[D];浙江大學(xué);2015年

4 杜春華;人臉特征點(diǎn)定位及識(shí)別的研究[D];上海交通大學(xué);2008年

5 黨力;自動(dòng)人臉分析與識(shí)別的若干問題研究[D];中國科學(xué)技術(shù)大學(xué);2012年

6 馮振華;參數(shù)化統(tǒng)計(jì)新模型及其應(yīng)用研究[D];江南大學(xué);2015年

相關(guān)碩士學(xué)位論文 前10條

1 吳岳;基于深度學(xué)習(xí)的人臉特征點(diǎn)定位和人臉識(shí)別算法的研究與實(shí)現(xiàn)[D];北京郵電大學(xué);2016年

2 易鳴;基于深度學(xué)習(xí)的人臉特征點(diǎn)定位及識(shí)別技術(shù)研究[D];北京郵電大學(xué);2016年

3 劉銀;基于回歸的人臉特征點(diǎn)估計(jì)算法研究[D];南京理工大學(xué);2013年

4 劉暢翔;人臉特征點(diǎn)定位算法及其在人臉識(shí)別的應(yīng)用研究[D];東華理工大學(xué);2015年

5 萬楊;顯性形狀回歸的人臉對(duì)齊方法實(shí)驗(yàn)研究[D];大連理工大學(xué);2015年

6 王一軻;人臉檢測(cè)與人臉特征點(diǎn)定位方法的設(shè)計(jì)與實(shí)現(xiàn)[D];電子科技大學(xué);2015年

7 張哲;三維人臉特征點(diǎn)的檢測(cè)與標(biāo)記[D];南昌航空大學(xué);2015年

8 吳飛龍;基于機(jī)器視覺的校車安全監(jiān)測(cè)系統(tǒng)[D];浙江大學(xué);2016年

9 謝鄭楠;基于多任務(wù)特征選擇和自適應(yīng)模型的人臉特征點(diǎn)檢測(cè)[D];北京交通大學(xué);2016年

10 黃宇駒;基于級(jí)聯(lián)回歸的多姿態(tài)人臉特征點(diǎn)檢測(cè)算法研究[D];華南理工大學(xué);2016年

，

本文編號(hào)：2113510