發(fā)布時間：2021-03-08 13:59

　　人臉識別技術(shù)作為生物特征識別技術(shù)之一,因其自然性、非接觸性、唯一性和主動性等多種優(yōu)勢,獲得了廣大科研人員的關(guān)注。隨著科學(xué)技術(shù)的快速發(fā)展,人臉識別技術(shù)也獲得了不小的進(jìn)步,二維人臉識別技術(shù)已經(jīng)成熟,并且被廣泛的應(yīng)用到我們的生活中。二維人臉圖像的本質(zhì)是三維人臉圖像在二維空間的簡單投影,缺少了三維人臉圖像的空間信息,如人臉曲面信息、人臉曲率信息和人臉空間結(jié)構(gòu)信息。因此,二維人臉識別不可避免地遭遇了光照、姿態(tài)和表情等因素的影響。與二維人臉圖像相比,三維人臉圖像更符合人眼視覺的特點,并且,三維人臉圖像擁有真實人臉的空間立體信息,因此,三維人臉識別技術(shù)成為人臉識別領(lǐng)域的研究熱點。針對二維人臉識別方法對光照、姿態(tài)和表情變化的魯棒性差,本文在Texas3DFRD三維人臉數(shù)據(jù)庫的基礎(chǔ)上,基于深度學(xué)習(xí)的方法,開展三維人臉識別技術(shù)的研究,論文具體工作如下:首先,本文對深度學(xué)習(xí)中經(jīng)典的分類網(wǎng)絡(luò)VGG（Visual Geometry Group,VGG）卷積神經(jīng)網(wǎng)絡(luò)進(jìn)行了研究。結(jié)合不同尺度下的特征,本文提出了跨層鏈接的VGG卷積神經(jīng)網(wǎng)絡(luò)（Cross-layer Visual Geometry Group,CLVG... 

【文章來源】：天津工業(yè)大學(xué)天津市

【文章頁數(shù)】：90 頁

【學(xué)位級別】：碩士

【部分圖文】：

人臉幾何特征

特征臉與待分類人臉特征之間的相似性，最后達(dá)到一個分類識別的效果；后來又出現(xiàn)了Fisherfaces方法[12]，它是由Hespanha、Belhumeur和Kriegman等科研人員在特征臉方法的基礎(chǔ)上提出來的，與特征臉方法不同的是，F(xiàn)isherfaces采用了線性鑒別分析技術(shù)[13]（LinearDiscriminantAnalysis，LDA），從數(shù)學(xué)的角度出發(fā)，尋找更優(yōu)的人臉表示；在國內(nèi)，如清華大學(xué)的彭輝教授和張長教授在特征臉的方法的基礎(chǔ)上，采用類間散布矩陣的方法來降低特征臉的方法中結(jié)果矩陣的維數(shù)，這種方法在保證識別精度的同時，提升了識別的效率[14]。下圖1-2為特征臉示意圖。圖1-2特征臉Fig.1-2Eigenface第三個階段是20世紀(jì)90年代末到現(xiàn)在，隨著科學(xué)技術(shù)的不斷發(fā)展與苛刻的應(yīng)用要求，科研人員開始探索非理想條件下的人臉識別技術(shù)研究。主要研究光照、表情和姿態(tài)發(fā)生改變的復(fù)雜現(xiàn)場環(huán)境下的人臉識別的識別率與穩(wěn)定性。主要的方法有AdaBoost檢測技術(shù)、支持向量機（SupportVectorMachine，SVM）和深度學(xué)習(xí)的方法等[15]。AdaBoost檢測技術(shù)可用于人臉檢測；SVM可用于人臉的分類識別[16]；深度學(xué)習(xí)的方法既可以做人臉檢測，同時還可以做人臉的分類識別[17]。如對稱主元分析神經(jīng)網(wǎng)絡(luò)的方法，它是由張輝、周洪祥等人提出來的，該方法通過將去冗余和權(quán)值正交相結(jié)合對人臉特征的提取和識別，特征維數(shù)比較少，可以高效率地對人臉進(jìn)行存儲和識別[18]；孫祎提出了一種基于深度學(xué)習(xí)的DeepID人臉識別算法，使用了目前在計算機視覺、模式識別和圖像處理領(lǐng)域火熱的深度學(xué)習(xí)的方法，并且，其效果遠(yuǎn)超于傳統(tǒng)的人臉識別算法[19]。

第一章緒論7（a）手機解鎖（b）工作考勤（c）安防監(jiān)控（d）刷臉支付圖1-3人臉識別的應(yīng)用Fig.1-3Applicationoffacerecognition1.4論文的主要內(nèi)容與結(jié)構(gòu)1.4.1論文主要研究內(nèi)容隨著應(yīng)用環(huán)境的愈加復(fù)雜，二維人臉識別不可避免地受到了光照和表情等因素的影響，導(dǎo)致誤識別或者拒識別。為了提高人臉識別的識別精度與魯棒性，本文在Texas3DFRD三維人臉數(shù)據(jù)庫的基礎(chǔ)上，對人臉識別算法進(jìn)行了研究，并在經(jīng)典的分類算法VGG卷積神經(jīng)網(wǎng)絡(luò)分類算法的基礎(chǔ)上，提出了CLVGG卷積神經(jīng)網(wǎng)絡(luò)分類算法。同時搭建了有效的三維人臉識別系統(tǒng)，并將本文算法應(yīng)用在系統(tǒng)中，完成實時的三維人臉識別，驗證了系統(tǒng)的正確性與本文算法的有效性。具體研究內(nèi)容如下：（1）在深度學(xué)習(xí)中經(jīng)典的VGG卷積神經(jīng)網(wǎng)絡(luò)分類算法的基礎(chǔ)上，從網(wǎng)絡(luò)結(jié)構(gòu)和網(wǎng)絡(luò)參數(shù)兩個方面對原始的VGG卷積神經(jīng)網(wǎng)絡(luò)進(jìn)行了改進(jìn)。在網(wǎng)絡(luò)結(jié)構(gòu)方面，在第一和第二個Block單元中，增加了第一個卷積層到池化層之間的連接，在第三、第四和第五個Block單元中，增加了第一個卷積層和第二個卷積層到池化層之間的連接；在網(wǎng)絡(luò)參數(shù)方面，本文增加了最后一個卷積層的卷積核個數(shù)，并去除了一個全連接層，降低了模型的總參數(shù)。CLVGG卷積神經(jīng)網(wǎng)絡(luò)模型增加了那些具有表征意義的不同尺度特征信息，提升了模型的識別精度，降低了模型的總參數(shù)，提升了模型的運行效率。（2）本文在Texas3DFRD三維人臉數(shù)據(jù)庫的基礎(chǔ)上，結(jié)合CLVGG卷積神經(jīng)網(wǎng)絡(luò)分類算法，分別分析了二維人臉識別、三維人臉識別和多模態(tài)融合的人臉

【參考文獻(xiàn)】：
期刊論文
[1]改進(jìn)VGG網(wǎng)絡(luò)的多聚焦圖像的融合方法[J]. 陳清江,汪澤百,柴昱洲.  應(yīng)用光學(xué). 2020(03)
[2]基于RBM的深度信念網(wǎng)絡(luò)綜述[J]. 李騰飛.  信息與電腦(理論版). 2018(10)
[3]深度學(xué)習(xí)在圖像處理領(lǐng)域中的應(yīng)用綜述[J]. 殷琪林,王金偉.  高教學(xué)刊. 2018(09)
[4]基于TensorFlow深度學(xué)習(xí)框架的卷積神經(jīng)網(wǎng)絡(luò)研究[J]. 袁文翠,孔雪.  微型電腦應(yīng)用. 2018(02)
[5]深度學(xué)習(xí)相關(guān)研究綜述[J]. 張軍陽,王慧麗,郭陽,扈嘯.  計算機應(yīng)用研究. 2018(07)
[6]基于奇異點鄰域結(jié)構(gòu)的三維人臉識別方法[J]. 袁姮,王志宏,姜文濤.  控制與決策. 2017(10)
[7]卷積神經(jīng)網(wǎng)絡(luò)研究綜述[J]. 李彥冬,郝宗波,雷航.  計算機應(yīng)用. 2016(09)
[8]基于關(guān)鍵點和局部特征的三維人臉識別[J]. 郭夢麗,達(dá)飛鵬,鄧星,蓋紹彥.  浙江大學(xué)學(xué)報(工學(xué)版). 2017(03)
[9]生物特征識別技術(shù)綜述[J]. 鄭方,艾斯卡爾·肉孜,王仁宇,李藍(lán)天.  信息安全研究. 2016(01)
[10]基于CASIA 3D的三維人臉數(shù)據(jù)預(yù)處理方法[J]. 王大為,呂愛龍,陳美婕,楊培林,白云鹍.  山西師范大學(xué)學(xué)報(自然科學(xué)版). 2015(04)

博士論文
[1]三維人臉檢測與識別技術(shù)研究[D]. 蔡宇.吉林大學(xué) 2013

碩士論文
[1]基于深度卷積神經(jīng)網(wǎng)絡(luò)的圖像識別算法研究[D]. 高華照.吉林大學(xué) 2018
[2]基于多尺度信息融合的三維人臉識別技術(shù)研究[D]. 宋丹.天津工業(yè)大學(xué) 2016
[3]三維人臉識別方法研究[D]. 蔣成成.浙江工業(yè)大學(xué) 2009



本文編號：3071167