隨著近年來數(shù)據(jù)挖掘技術(shù)和人工智能的興起,生物識別領(lǐng)域取得了突破性的進(jìn)展。人臉識別作為一種關(guān)鍵的基于生物特征的身份認(rèn)證方式,極大程度上為人們的日常生活帶來了便利條件。然而盡管目前人臉識別領(lǐng)域已經(jīng)被許多學(xué)者廣泛研究,基于視頻的人臉識別仍然是一個具有挑戰(zhàn)性的領(lǐng)域并需要更加深入的探索。目前,基于深度學(xué)習(xí)的技術(shù)和方法已經(jīng)在人臉的檢測和識別研究領(lǐng)域被廣泛的采用,本文設(shè)計了基于深度神經(jīng)網(wǎng)絡(luò)模型來實現(xiàn)基于視頻的人臉識別任務(wù),并且使得神經(jīng)網(wǎng)絡(luò)模型在具有足夠高人臉識別的準(zhǔn)確度的同時能夠保證人臉識別過程的實時性。本文主要包括以下研究內(nèi)容:（1）搭建基于級聯(lián)卷積神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)實現(xiàn)人臉的檢測功能。本文使用多個卷積神經(jīng)網(wǎng)絡(luò)級聯(lián)的結(jié)構(gòu)作為人臉檢測任務(wù)的深度網(wǎng)絡(luò)模型,并為神經(jīng)網(wǎng)絡(luò)設(shè)計了三個不同的任務(wù),分別為人臉與非人臉圖像的分類、人臉圖像坐標(biāo)的定位的和人臉關(guān)鍵點(diǎn)坐標(biāo)的定位。（2）實現(xiàn)基于多層神經(jīng)網(wǎng)絡(luò)的方法完成人臉圖像的特征提取過程。本文中設(shè)計和搭建了卷積網(wǎng)絡(luò)的結(jié)構(gòu),旨在從視頻圖像中抽取人臉信息的特征向量表達(dá)。相比于目前先進(jìn)的人臉識別網(wǎng)絡(luò),本文針對自然場景下視頻圖像場景較為復(fù)雜的特點(diǎn)對網(wǎng)絡(luò)結(jié)構(gòu)和損失函數(shù)等關(guān)鍵點(diǎn)進(jìn)行設(shè)計和... 

【文章來源】：北京工業(yè)大學(xué)北京市 211工程院校

【文章頁數(shù)】：80 頁

【學(xué)位級別】：碩士

【圖文】：

基于流模型的人臉識別Figure1-1manifold-basedfacerecognition圖1-1展示了一個基于流模型的人臉識別模型是如何實現(xiàn)識別過程的

圖 1-2 基于圖像幀的人臉識別Figure 1-2 Frame-based face recognition相比基于流模型的方法，本文提出的模型更類似于依賴圖像幀的人臉識別。在基于圖像幀的方法中，一般可以將整個過程拆分為人臉面部的檢測和分類兩個不同的任務(wù)。圖 1-2 展示了一個基于圖像幀的方法是如何進(jìn)行人臉識別任務(wù)的�；趫D像幀的人臉識別方法首先在視頻畫面中獲得人臉的位置，并抽取出人臉部分的圖像，隨后嘗試將該圖像與數(shù)據(jù)集中的已知人臉圖像進(jìn)行匹配，選擇與該圖像相似度最高的已知人臉圖像輸出為最終的識別結(jié)果。圖中 （ ）分別表示當(dāng)前圖像來自人臉個體 的可能性�；旧�，這種方法通過選擇可能性最大的人臉個體來實現(xiàn)人臉的識別。1.3 本文的主要研究內(nèi)容

帶的人臉數(shù)據(jù)量會更大，人臉圖像的背景變化也會更為年來大數(shù)據(jù)技術(shù)的支持與發(fā)展和人工智能技術(shù)的進(jìn)步和法已經(jīng)被廣泛應(yīng)用于圖像識別領(lǐng)域并取得顯著成果�；谄鋸�(qiáng)大的非線性擬合能力，可以獲得強(qiáng)大的隱式特征的方法更加魯棒。伴隨著深度學(xué)習(xí)技術(shù)在圖像識別領(lǐng)域者也逐漸開始將基于深度神經(jīng)網(wǎng)絡(luò)的方法進(jìn)一步應(yīng)用于習(xí)是機(jī)器學(xué)習(xí)的一個新的研究領(lǐng)域，主要指使用多層神方法來解決圖像，文本，語音等多種問題的方法的集合歸類于人工神經(jīng)網(wǎng)絡(luò)的研究，深層次網(wǎng)絡(luò)架構(gòu)的目的在在通過分層網(wǎng)絡(luò)獲取分層次的特征信息，從而替代以往形式。連接神經(jīng)網(wǎng)絡(luò)的圖像識別

【參考文獻(xiàn)】：
期刊論文
[1]復(fù)雜光照下人臉預(yù)處理的算法研究[J]. 黃瓊.  無線互聯(lián)科技. 2019(03)
[2]卷積神經(jīng)網(wǎng)絡(luò)研究綜述[J]. 張亞倩.  信息通信. 2018(11)
[3]人工神經(jīng)網(wǎng)絡(luò)圖像模式識別綜述[J]. 張東東.  電子世界. 2018(09)
[4]基于深度卷積神經(jīng)網(wǎng)絡(luò)的人臉識別技術(shù)綜述[J]. 景晨凱,宋濤,莊雷,劉剛,王樂,劉凱倫.  計算機(jī)應(yīng)用與軟件. 2018(01)
[5]基于體感技術(shù)的人機(jī)交互設(shè)計在游戲領(lǐng)域的應(yīng)用[J]. 孫金山.  藝術(shù)科技. 2017(10)
[6]視頻監(jiān)控中人臉識別關(guān)鍵技術(shù)的探討[J]. 王根達(dá).  中國新通信. 2017(17)
[7]面向智能人機(jī)交互的魯棒的實時多人臉檢測[J]. 趙新超,袁家政.  計算機(jī)應(yīng)用與軟件. 2017(08)
[8]有遮擋人臉識別綜述:從子空間回歸到深度學(xué)習(xí)[J]. 李小薪,梁榮華.  計算機(jī)學(xué)報. 2018(01)
[9]海量視頻人臉提取與識別并行框架設(shè)計及優(yōu)化[J]. 李海躍,譚郁松,伍復(fù)慧.  計算機(jī)應(yīng)用研究. 2017(12)
[10]卷積神經(jīng)網(wǎng)絡(luò)研究綜述[J]. 李彥冬,郝宗波,雷航.  計算機(jī)應(yīng)用. 2016(09)

碩士論文
[1]基于人臉識別的出入口人物身份識別[D]. 王文智.貴州民族大學(xué) 2017
[2]基于卷積神經(jīng)網(wǎng)絡(luò)的人臉年齡估計算法[D]. 周旺.南京大學(xué) 2017
[3]基于多子空間的稀疏表示人臉識別算法[D]. 杜卓.燕山大學(xué) 2016
[4]基于卷積神經(jīng)網(wǎng)絡(luò)的人臉識別研究與實現(xiàn)[D]. 萬士寧.電子科技大學(xué) 2016
[5]基于指尖信息的手勢識別與人機(jī)交互應(yīng)用研究[D]. 談家譜.北京交通大學(xué) 2016
[6]基于幾何特征的人臉識別算法研究[D]. 曹海燕.曲阜師范大學(xué) 2015
[7]基于視頻的運(yùn)動目標(biāo)檢測與跟蹤方法研究[D]. 陳鑫.廣東工業(yè)大學(xué) 2014
[8]基于深度學(xué)習(xí)的視頻人臉識別方法[D]. 由清圳.哈爾濱工業(yè)大學(xué) 2013



本文編號：2994430