基于隱私保護(hù)的人臉識(shí)別研究
發(fā)布時(shí)間：2021-03-06 01:05
隨著信息技術(shù)與多媒體技術(shù)的高速發(fā)展,數(shù)字圖像已經(jīng)逐漸成為人們信息交流的載體。其中,人臉識(shí)別在衣食住行以及各個(gè)行業(yè)領(lǐng)域起到重要作用,并從理論研究走向?qū)嶋H應(yīng)用的“井噴期”。但是人臉特征與虹膜、指紋相比,屬于弱隱私的生物特征。不但可以通過互聯(lián)網(wǎng)輕而易舉地獲取人臉照片,而且也可使用各種圖像處理工具對(duì)人臉進(jìn)行偽造。近段時(shí)間內(nèi)各類信息泄露事件也都預(yù)示著用戶對(duì)于加強(qiáng)個(gè)人隱私保護(hù)的迫切性。面對(duì)這一現(xiàn)狀,如何安全有效地保護(hù)用戶的隱私就成了亟待解決的關(guān)鍵問題。目前,在人臉識(shí)別領(lǐng)域研究內(nèi)容集中于直接對(duì)人臉圖像進(jìn)行識(shí)別,或者是對(duì)人臉圖像進(jìn)行加解密變換,但是加解密操作存在計(jì)算復(fù)雜度高的缺點(diǎn)。針對(duì)以上問題,本文主要對(duì)人臉圖像置亂算法本身和對(duì)置亂后人臉圖像識(shí)別進(jìn)行了研究,提出了先進(jìn)行人臉圖像的置亂,然后分別結(jié)合隨機(jī)森林算法識(shí)別全局置亂的人臉圖像（SFR-RF,scrambled face recognition of random forest）,和利用卷積神經(jīng)網(wǎng)絡(luò)將置亂后的人臉圖像進(jìn)行分類識(shí)別的方法。本文主要工作和創(chuàng)新點(diǎn)如下:1.傳統(tǒng)Arnold變換只適用于處理二維空間等長圖像,針對(duì)此問題研究了適用于二維空間非等...
【文章來源】：杭州電子科技大學(xué)浙江省
【文章頁數(shù)】：59 頁
【學(xué)位級(jí)別】：碩士
【部分圖文】：
圖１．１生物特征識(shí)別技術(shù)市場(chǎng)占有率比較??（２）非強(qiáng)制性、非侵?jǐn)_性??
直接分離強(qiáng)相關(guān)圖像的問題。??１．２．２人臉識(shí)別技術(shù)國內(nèi)外研究現(xiàn)狀??一個(gè)完整的人臉識(shí)別系統(tǒng)如圖１．２所示，一般應(yīng)包括圖像采集、人臉對(duì)齊、圖像預(yù)處理、??特征提取、特征比對(duì)和身份認(rèn)證這些環(huán)節(jié)。相比于其它等生物特征識(shí)別技術(shù)，人臉識(shí)別因?yàn)??其生理特征的獨(dú)特性有著舉足輕重的作用。人臉特征即使在雙胞胎之間也不可能達(dá)到１００％??的相似度，每個(gè)人的臉部圖像都存在著差異。人臉識(shí)別技術(shù)更加友善、方便和快捷，可在非??用戶配合的情形下快速地進(jìn)行身份識(shí)別。人臉識(shí)別技術(shù)可應(yīng)用于眾多需要身份認(rèn)證的領(lǐng)域，??在生物識(shí)別領(lǐng)域中市場(chǎng)前景廣闊。??學(xué)術(shù)界對(duì)人臉識(shí)別的研究始于上世紀(jì)６０年代后期，發(fā)展至今對(duì)于人臉特征的提取和對(duì)特??征的分類上己經(jīng)探索出很多著名的算法，特征提取的越精確，最終識(shí)別率就越高。早期的特??征提取主要依靠人工提取特征，但是人工提取會(huì)有諸多局限性存在，例如提取不充分等，導(dǎo)??致識(shí)別率很低。上世紀(jì)９０年代開始，伴隨著計(jì)算機(jī)并行運(yùn)算性能的提升，人臉識(shí)別技術(shù)取得??了長足的發(fā)展
?＇?—＾?Ｉ?／?）????圖２．?３神經(jīng)元模型示意圖??其中義，．（／?＝?１，２，．．．，＂）是神經(jīng)元的輸入，％代表的是連接權(quán)值，６代表偏置系數(shù)，函數(shù)／代??表非線性激活函數(shù)，輸出用／？表示。整個(gè)函數(shù)表達(dá)式如下：??Ｋ，＝ｆ［ｆ．Ｗ．ｘｉ＋ｂ＼?（２．４）??Ｖ?／＝！?／??常用的非線性激活函數(shù)主要有Ｓｉｇｍｏｉｄ函數(shù)和Ｔａｎｈ函數(shù)，Ｓｉｇｍｏｉｄ函數(shù)的值域范圍為??（０，１），Ｔａｎｈ函數(shù)的值域范圍為（－１，１），函數(shù)圖像如圖２．４所示，定義式如下：??１?二?—：??Ｓｉｇｍｏｉｄ［Ｘ）?＝???，?Ｔａｎｈ（ｘ）?＝?－?￣Ｃ＞?（２．５）??１?＋?ｅ?＿?ｅ￣?＋?ｅ￣－??１?？?ｉ?．?．???？??０８－??０ｆｌ＇?０６－?？＜??０４－??０?６．?１?０?２．??５ｏｓ丨?ｊ?５?〇？?．??０４．?１??０?３．?＾?０４－?，??０？丨‘?－！?０?６１?Ｊ??０?１；．?ｉ?ＯＢ＇??％４３？１〇１２３４５?１５?４３２ｔ０１２３４Ｓ??Ｉ?７??（ａ）?Ｓｉｇｍｏｉｄ?函數(shù)?（ｂ）?Ｔａｎｈ?函數(shù)??圖２．?１常見的兩種激活函數(shù)??２．３．２反向傳播算法??多個(gè)神經(jīng)元組成了人１：祌經(jīng)網(wǎng)絡(luò)
本文編號(hào)：3066170
【文章來源】：杭州電子科技大學(xué)浙江省
【文章頁數(shù)】：59 頁
【學(xué)位級(jí)別】：碩士
【部分圖文】：
圖１．１生物特征識(shí)別技術(shù)市場(chǎng)占有率比較??（２）非強(qiáng)制性、非侵?jǐn)_性??
直接分離強(qiáng)相關(guān)圖像的問題。??１．２．２人臉識(shí)別技術(shù)國內(nèi)外研究現(xiàn)狀??一個(gè)完整的人臉識(shí)別系統(tǒng)如圖１．２所示，一般應(yīng)包括圖像采集、人臉對(duì)齊、圖像預(yù)處理、??特征提取、特征比對(duì)和身份認(rèn)證這些環(huán)節(jié)。相比于其它等生物特征識(shí)別技術(shù)，人臉識(shí)別因?yàn)??其生理特征的獨(dú)特性有著舉足輕重的作用。人臉特征即使在雙胞胎之間也不可能達(dá)到１００％??的相似度，每個(gè)人的臉部圖像都存在著差異。人臉識(shí)別技術(shù)更加友善、方便和快捷，可在非??用戶配合的情形下快速地進(jìn)行身份識(shí)別。人臉識(shí)別技術(shù)可應(yīng)用于眾多需要身份認(rèn)證的領(lǐng)域，??在生物識(shí)別領(lǐng)域中市場(chǎng)前景廣闊。??學(xué)術(shù)界對(duì)人臉識(shí)別的研究始于上世紀(jì)６０年代后期，發(fā)展至今對(duì)于人臉特征的提取和對(duì)特??征的分類上己經(jīng)探索出很多著名的算法，特征提取的越精確，最終識(shí)別率就越高。早期的特??征提取主要依靠人工提取特征，但是人工提取會(huì)有諸多局限性存在，例如提取不充分等，導(dǎo)??致識(shí)別率很低。上世紀(jì)９０年代開始，伴隨著計(jì)算機(jī)并行運(yùn)算性能的提升，人臉識(shí)別技術(shù)取得??了長足的發(fā)展
?＇?—＾?Ｉ?／?）????圖２．?３神經(jīng)元模型示意圖??其中義，．（／?＝?１，２，．．．，＂）是神經(jīng)元的輸入，％代表的是連接權(quán)值，６代表偏置系數(shù)，函數(shù)／代??表非線性激活函數(shù)，輸出用／？表示。整個(gè)函數(shù)表達(dá)式如下：??Ｋ，＝ｆ［ｆ．Ｗ．ｘｉ＋ｂ＼?（２．４）??Ｖ?／＝！?／??常用的非線性激活函數(shù)主要有Ｓｉｇｍｏｉｄ函數(shù)和Ｔａｎｈ函數(shù)，Ｓｉｇｍｏｉｄ函數(shù)的值域范圍為??（０，１），Ｔａｎｈ函數(shù)的值域范圍為（－１，１），函數(shù)圖像如圖２．４所示，定義式如下：??１?二?—：??Ｓｉｇｍｏｉｄ［Ｘ）?＝???，?Ｔａｎｈ（ｘ）?＝?－?￣Ｃ＞?（２．５）??１?＋?ｅ?＿?ｅ￣?＋?ｅ￣－??１?？?ｉ?．?．???？??０８－??０ｆｌ＇?０６－?？＜??０４－??０?６．?１?０?２．??５ｏｓ丨?ｊ?５?〇？?．??０４．?１??０?３．?＾?０４－?，??０？丨‘?－！?０?６１?Ｊ??０?１；．?ｉ?ＯＢ＇??％４３？１〇１２３４５?１５?４３２ｔ０１２３４Ｓ??Ｉ?７??（ａ）?Ｓｉｇｍｏｉｄ?函數(shù)?（ｂ）?Ｔａｎｈ?函數(shù)??圖２．?１常見的兩種激活函數(shù)??２．３．２反向傳播算法??多個(gè)神經(jīng)元組成了人１：祌經(jīng)網(wǎng)絡(luò)
本文編號(hào)：3066170
本文鏈接：http://sikaile.net/kejilunwen/ruanjiangongchenglunwen/3066170.html
最近更新
教材專著
