【摘要】：人臉認(rèn)證是通過分析臉部信息來判斷兩張人臉圖像是否為同一個人。與Ⅲ卡、密碼、指紋、虹膜等識別方法相比,這種方法具有不易被盜取、操作隱蔽,非接觸式采集等優(yōu)點。因此人臉認(rèn)證可以廣泛應(yīng)用在安全監(jiān)控、電子商務(wù)等領(lǐng)域。然而實際應(yīng)用中照相機采集到的人臉圖像往往含有光照、表情、姿態(tài)干擾,這些干擾會嚴(yán)重降低人臉認(rèn)證的準(zhǔn)確率。因此本文基于深度學(xué)習(xí)技術(shù)優(yōu)異的特征提取能力,研究在含有光照、表情、姿態(tài)干擾的人臉圖像中提取魯棒的圖像特征,使計算機可以進(jìn)行準(zhǔn)確的識別。本文主要工作如下:(1)提出一種深度重構(gòu)網(wǎng)絡(luò)由于人臉圖像中的光照、表情、姿態(tài)干擾會造成人臉認(rèn)證準(zhǔn)確率降低,而傳統(tǒng)的圖像特征提取方式只對其中的一種或兩者干擾魯棒。因此本文基于深度學(xué)習(xí)技術(shù)提出一種深度重構(gòu)網(wǎng)絡(luò),它能夠重構(gòu)含有干擾的人臉圖像來去除圖像所含干擾,并且能同時提取重構(gòu)后圖像的特征。該算法主要有以下兩個優(yōu)點。第一,傳統(tǒng)的深度學(xué)習(xí)算法如去噪自編碼器是為了去除高斯噪聲等常見的數(shù)據(jù)噪聲而設(shè)計的,而本文算法專為去除人臉圖像所含有的光照、表情、姿態(tài)干擾而設(shè)計,因此,本文算法對人臉圖像中的光照、表情等干擾更具有針對性,能夠更加有效的去除這三類干擾。第二,該算法能夠在重構(gòu)人臉圖像的同時,提取重構(gòu)后的圖像特征。這樣可以避免對重構(gòu)人臉再次進(jìn)行特征提取而造成的信息丟失。在CMU-PIE數(shù)據(jù)庫上的實驗結(jié)果表明,該算法能夠有效去除人臉圖像所含的光照、表情、姿態(tài)干擾,并且可以得到魯棒的人臉圖像特征。 、(2)利用深層神經(jīng)網(wǎng)絡(luò)實現(xiàn)人臉認(rèn)證判斷兩個人臉特征是否屬于同一個人是一個相似性度量問題。而人臉特征含義復(fù)雜、向量維數(shù)高,傳統(tǒng)的度量方法如支持向量機、K均值聚類等無法對其進(jìn)行準(zhǔn)確度量。由于深層神經(jīng)網(wǎng)絡(luò)具有優(yōu)秀的非線性映射能力以及模型表達(dá)能力,因此本文利用深層神經(jīng)網(wǎng)絡(luò),從三萬組訓(xùn)練樣本中,學(xué)習(xí)得到一個能有效反映數(shù)據(jù)相似性的隱式度量函數(shù)。在CMU-PIE數(shù)據(jù)庫上的實驗結(jié)果表明,使用該網(wǎng)絡(luò)對前文提取得到的人臉特征進(jìn)行認(rèn)證可以得到較高的準(zhǔn)確率。
[Abstract]:Face authentication is based on the analysis of face information to determine whether two face images are the same person. Compared with other identification methods, such as 鈪，

本文編號：2145563