隨著計算機(jī)視覺的相關(guān)應(yīng)用的優(yōu)越性日益突顯出來,結(jié)合了深度學(xué)習(xí)算法的計算機(jī)視覺研究方向引起了廣大研究者的關(guān)注。作為計算機(jī)視覺重要研究方向之一的人臉識別融合了眾多的前沿技術(shù),而目前識別技術(shù)仍然面臨識別率低和設(shè)備體積大兩大主要問題。本論文就解決兩大主要問題下研究和分析了人臉檢測和識別的算法原理并評估了相關(guān)算法的優(yōu)劣和性能,最后在嵌入式環(huán)境中實現(xiàn)了人臉識別系統(tǒng)的小性化。本論文主要工作如下:（1）人臉檢測算法的研究與實現(xiàn)。研究了基于傳統(tǒng)方法的Haar特征人臉檢測算法的和基于深度學(xué)習(xí)的人臉檢測算法。分析和評估了兩種人臉檢測算法在不同的人臉數(shù)據(jù)集下的性能和檢測結(jié)果的差異,在嵌入式硬件環(huán)境下,選定其中一種方法作為小型化人臉識別系統(tǒng)的實時人臉檢測算法。（2）人臉識別算法的研究與實現(xiàn)。研究了基于深度學(xué)習(xí)人臉識別算法的基本原理,評估了在AR人臉數(shù)據(jù)集下卷積神經(jīng)網(wǎng)絡(luò)模型在全連接層神經(jīng)元不同個數(shù)、卷積核不同個數(shù)以及在激活函數(shù)不同種類的情況下對網(wǎng)絡(luò)性能的影響,最終網(wǎng)絡(luò)模型在該驗證集下獲得了97.53%的準(zhǔn)確率。（3）小型化人臉識別系統(tǒng)的研究與實現(xiàn)�；趯θ四槞z測和識別算法的研究和實現(xiàn)之后,在嵌入式硬件上設(shè)計并實現(xiàn)... 

【文章來源】：云南大學(xué)云南省 211工程院校

【文章頁數(shù)】：68 頁

【學(xué)位級別】：碩士

【部分圖文】：

圖２－１：?Ｈａａｉ？四種特征模板結(jié)構(gòu)示意圖??

２．１．４預(yù)測過程??在人臉識別系統(tǒng)中，提取視頻信息中的人臉信息的過程需要使用ＶＪ人臉檢??測器的前向預(yù)測過程。ＶＪ人臉檢測算法前向預(yù)測過程及流程圖如圖２－３所示下，??其中圖中每個方框代表訓(xùn)練好的強(qiáng)分類器。首先縮放與輸入圖像尺寸相對應(yīng)的??Ｈａａｒ特征模板的尺寸，將檢測到的特征值輸入到訓(xùn)練好的ＶＪ人臉檢測器。最后??根據(jù)檢測器輸出的正負(fù)值，來判斷檢測的區(qū)域是否為人臉區(qū)域。對剩下的圖像區(qū)??域進(jìn)行重復(fù)處理，即可檢測到人臉區(qū)域。??Ｙｐｃ?Ｙｅｓ正樣本?Ｙｅｓ??—？強(qiáng)分類器１?■？強(qiáng)分類器２?—Ｖ…一？強(qiáng)分類器Ｍ?—??｜人臉區(qū)域??Ｎｏ?Ｎｏ?Ｎｏ??▼?▼?Ｔ??負(fù)樣本?負(fù)樣本?負(fù)樣本??圖２－３：人臉檢測算法流程示意圖??２．２深度學(xué)習(xí)理論基礎(chǔ)??近年來，深度學(xué)習(xí)在計算機(jī)視覺應(yīng)用中的優(yōu)越性逐漸體現(xiàn)出來，這也對人臉??識別的研究方向產(chǎn)生巨大影響［３］。深度學(xué)習(xí)算法的優(yōu)勢之處在于神經(jīng)網(wǎng)絡(luò)模型的??統(tǒng)一性和復(fù)雜性，能夠避免傳統(tǒng)人臉檢測算法中需要設(shè)計特定的特征提取算法的??弊端。相比于傳統(tǒng)檢測方法，深度學(xué)習(xí)算法減輕了設(shè)計人員的開發(fā)難度。??２．２．１神經(jīng)網(wǎng)絡(luò)與前向傳播??科研人員通過分析和研究神經(jīng)元的信號傳遞的原理，仿照該原理用數(shù)學(xué)思想??來模擬此信號傳遞機(jī)制。如圖２－４所示

Ｘｎ??圖２－４：單個神經(jīng)元傳播示意圖??在圖２－４中，由輸入神經(jīng)元，中間計算環(huán)節(jié)和輸出神經(jīng)元三個部分組成。輸??入神經(jīng)元由表示，輸出神經(jīng)元由ｙ表示，激活函數(shù)用ｆ表示，計??算公式如公式（２－１０）所示。??產(chǎn)吃＼＼＾＋１））?（２－１０）??ｉ＝ｌ??公式（２－１０）表示輸出神經(jīng)元的值是由輸入神經(jīng)元和對應(yīng)權(quán)重的加權(quán)求和加??上偏置之后再通過激活函數(shù)處理得到的值，其中權(quán)重Ｗ和偏置ｂ是由神經(jīng)網(wǎng)絡(luò)??訓(xùn)練得到。激活函數(shù)ｆ主要完成對神經(jīng)元加權(quán)求和所得的值進(jìn)行歸一化處理，實??現(xiàn)對信號非線性映射處理。常用的激活函數(shù)由三種，如圖２－５所示。???ＲｅＬＵ?１〇＇???Ｓｉｇｍｏｉｄ?１〇??????Ｔａｎｈ?／ｙ??＾?Ｘ?）（??－１０?－５?（Ｉ?５?１０?￣１〇?－５?卜?５?１

【參考文獻(xiàn)】：
期刊論文
[1]基于圖像預(yù)處理的局部二值模式人臉識別方法[J]. 李旭輝.  電子技術(shù)與軟件工程. 2019(07)
[2]人臉檢測方法綜述[J]. 李娥.  信息技術(shù)與信息化. 2018(04)
[3]支持向量機(jī)模型與應(yīng)用綜述[J]. 劉方園,王水花,張煜東.  計算機(jī)系統(tǒng)應(yīng)用. 2018(04)
[4]ReLU激活函數(shù)優(yōu)化研究[J]. 蔣昂波,王維維.  傳感器與微系統(tǒng). 2018(02)
[5]基于深度學(xué)習(xí)的人臉識別方法研究綜述[J]. 楊巨成,劉娜,房珊珊,謝迎.  天津科技大學(xué)學(xué)報. 2016(06)
[6]Boosting算法理論與應(yīng)用研究[J]. 張文生,于廷照.  中國科學(xué)技術(shù)大學(xué)學(xué)報. 2016(03)
[7]視頻人臉識別系統(tǒng)中的最佳人臉捕獲[J]. 孟繁靜,王連明.  東北師大學(xué)報(自然科學(xué)版). 2015(03)
[8]隨機(jī)梯度下降法的一些性質(zhì)(英文)[J]. 汪寶彬,汪玉霞.  數(shù)學(xué)雜志. 2011(06)

碩士論文
[1]Adaboost算法優(yōu)化及人臉檢測識別系統(tǒng)研究[D]. 李可強(qiáng).燕山大學(xué) 2017
[2]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



本文編號：3137885