隨著人工智能研究的興起,人臉識(shí)別和疲勞檢測(cè)技術(shù)在實(shí)際生活中應(yīng)用于各行各業(yè),為人們生活的便捷性帶來(lái)了保障。當(dāng)前一些重點(diǎn)區(qū)域如銀行值班室、鐵路運(yùn)營(yíng)室、消防監(jiān)控室、重癥監(jiān)護(hù)室等崗位的值班人員,需要時(shí)刻盯著視頻圖像監(jiān)視器,因值班人員疲勞、瞌睡、擅自離崗等不良行為導(dǎo)致的重大事故時(shí)有發(fā)生,因此開(kāi)展基于圖像處理技術(shù)的監(jiān)控系統(tǒng)來(lái)提高值班人員的工作質(zhì)量具有理論研究意義和實(shí)際應(yīng)用價(jià)值,是當(dāng)前該領(lǐng)域亟需解決的問(wèn)題。本文研究基于視頻的非接觸的、實(shí)時(shí)的值班員身份鑒別和疲勞檢測(cè),首先借助值班室攝像頭采集值班員視頻,利用多任務(wù)卷積神經(jīng)網(wǎng)絡(luò)人臉檢測(cè)算法快速定位人臉區(qū)域并精確定位人的眼睛和嘴巴;再通過(guò)基于卷積神經(jīng)網(wǎng)絡(luò)的人臉識(shí)別算法提取人臉特征,借助分類器實(shí)現(xiàn)人臉識(shí)別。其次利用提取定位出來(lái)的眼睛和嘴巴相關(guān)的疲勞參數(shù)進(jìn)而判斷值班員的疲勞狀態(tài)。主要工作如下:（1）介紹了人員鑒權(quán)與疲勞檢測(cè)系統(tǒng)的研究背景和意義,總結(jié)了國(guó)內(nèi)外相關(guān)文獻(xiàn);概述了人臉檢測(cè)、人臉識(shí)別和疲倦識(shí)別的國(guó)內(nèi)外研究現(xiàn)狀;討論了卷積神經(jīng)網(wǎng)絡(luò)在人臉檢測(cè)和人臉識(shí)別中的應(yīng)用。（2）基于經(jīng)典人臉識(shí)別算法框架VGG-16,對(duì)其網(wǎng)絡(luò)結(jié)構(gòu)和損失函數(shù)做了相應(yīng)的改進(jìn),在結(jié)構(gòu)上減少幾個(gè)... 

【文章來(lái)源】：華中師范大學(xué)湖北省 211工程院校 教育部直屬院校

【文章頁(yè)數(shù)】：71 頁(yè)

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
Abstract
第一章 緒論
    1.1 研究背景及意義
    1.2 國(guó)內(nèi)外研究現(xiàn)狀
        1.2.1 人臉檢測(cè)技術(shù)研究現(xiàn)狀
        1.2.2 人臉識(shí)別技術(shù)研究現(xiàn)狀
        1.2.3 基于圖像的疲勞檢測(cè)技術(shù)研究現(xiàn)狀
    1.3 論文工作和結(jié)構(gòu)安排
第二章 基于圖像處理的人臉識(shí)別相關(guān)理論
    2.1 卷積神經(jīng)網(wǎng)絡(luò)相關(guān)理論
        2.1.1 卷積層
        2.1.2 池化層
        2.1.3 激活函數(shù)
        2.1.4 全連接層
    2.2 人臉檢測(cè)方法概述
        2.2.1 基于知識(shí)的方法
        2.2.2 基于特征的方法
        2.2.3 基于模板匹配的方法
        2.2.4 基于統(tǒng)計(jì)模型的方法
    2.3 基于多任務(wù)卷積神經(jīng)網(wǎng)絡(luò)(MTCNN)的人臉檢測(cè)
        2.3.1 基于MTCNN的人臉檢測(cè)與對(duì)齊模型
        2.3.2 基于MTCNN的人臉檢測(cè)與對(duì)齊算法
        2.3.3 基于MTCNN的人臉檢測(cè)實(shí)驗(yàn)仿真
    2.4 本章小結(jié)
第三章 基于圖像處理的人臉識(shí)別
    3.1 常見(jiàn)的神經(jīng)網(wǎng)絡(luò)模型
        3.1.1 AlexNet
        3.1.2 VggNet
        3.1.3 Inception
        3.1.4 ResNet
    3.2 基于卷積神經(jīng)網(wǎng)絡(luò)的人臉識(shí)別算法
        3.2.1 VGG-16模型的簡(jiǎn)化
        3.2.2 損失函數(shù)的設(shè)計(jì)
        3.2.3 相似性度量
    3.3 人臉識(shí)別的訓(xùn)練與測(cè)試
        3.3.1 公開(kāi)的人臉數(shù)據(jù)集
        3.3.2 模型訓(xùn)練與測(cè)試過(guò)程
    3.4 實(shí)驗(yàn)結(jié)果分析
        3.4.1 損失函數(shù)參數(shù)λ的選取
        3.4.2 人臉識(shí)別算法對(duì)比
    3.5 本章小結(jié)
第四章 視頻圖像中人臉疲倦的識(shí)別
    4.1 基于二值化圖像面積法的人眼狀態(tài)識(shí)別方法
        4.1.1 常見(jiàn)的人眼狀態(tài)識(shí)別方法
        4.1.2 基于二值化圖像面積法的人眼狀態(tài)提取
    4.2 疲勞狀態(tài)參數(shù)提取
        4.2.1 PERCLOS測(cè)量原理
        4.2.2 眨眼頻率
        4.2.3 嘴部疲勞參數(shù)PMRCLOS的提取
    4.3 基于眼部和嘴部的疲勞狀態(tài)仿真實(shí)驗(yàn)
        4.3.1 基于眼部和嘴部的疲勞狀態(tài)算法思路
        4.3.2 測(cè)試結(jié)果分析
    4.4 本章小結(jié)
第五章 基于視頻圖像的值班人員鑒權(quán)與疲勞識(shí)別
    5.1 系統(tǒng)實(shí)現(xiàn)功能與核心模塊介紹
        5.1.1 系統(tǒng)實(shí)現(xiàn)功能及流程
        5.1.2 系統(tǒng)的核心模塊
    5.2 系統(tǒng)開(kāi)發(fā)與設(shè)計(jì)
        5.2.1 系統(tǒng)開(kāi)發(fā)軟硬件環(huán)境
        5.2.2 客戶端界面設(shè)計(jì)
    5.3 系統(tǒng)測(cè)試結(jié)果與分析
        5.3.1 基于人臉視頻的鑒權(quán)測(cè)試結(jié)果與分析
        5.3.2 基于人臉視頻的疲倦識(shí)別測(cè)試結(jié)果與分析
    5.4 本章小結(jié)
第六章 總結(jié)與展望
    6.1 本文總結(jié)
    6.2 未來(lái)工作展望
參考文獻(xiàn)
攻讀碩士期間發(fā)表的論文
致謝


【參考文獻(xiàn)】：
期刊論文
[1]基于HOG和特征描述子的人臉檢測(cè)與跟蹤[J]. 李澎林,鄒嘉程,李偉.  浙江工業(yè)大學(xué)學(xué)報(bào). 2020(02)
[2]基于眼睛狀態(tài)識(shí)別的軍用直升機(jī)飛行員疲勞實(shí)時(shí)監(jiān)測(cè)系統(tǒng)設(shè)計(jì)[J]. 陳翔,劉永新,李春虹.  電子測(cè)試. 2019(23)
[3]基于腦電信號(hào)深度遷移學(xué)習(xí)的駕駛疲勞檢測(cè)[J]. 王斐,吳仕超,劉少林,張亞徽,魏穎.  電子與信息學(xué)報(bào). 2019(09)
[4]基于Caffe框架的人臉定位與識(shí)別系統(tǒng)的設(shè)計(jì)[J]. 黃琳,蔣為,楊鐵軍.  計(jì)算機(jī)時(shí)代. 2019(06)
[5]基于多任務(wù)級(jí)聯(lián)卷積網(wǎng)絡(luò)模型的人臉檢測(cè)和識(shí)別[J]. 劉其嘉,郭一娜,任曉文,李健宇.  太原科技大學(xué)學(xué)報(bào). 2019(02)
[6]人臉識(shí)別中的損失函數(shù)[J]. 趙文忠.  電子技術(shù)與軟件工程. 2019(05)
[7]駕駛?cè)搜劬Χㄎ患疤卣魈崛∷惴ㄑ芯縖J]. 孫海燕,屈敏,臧利國(guó).  農(nóng)業(yè)裝備與車輛工程. 2018(11)
[8]高校選課系統(tǒng)的課程推薦機(jī)制研究[J]. 張歡,鄒沖.  電子世界. 2018(20)
[9]卷積神經(jīng)網(wǎng)絡(luò)中ReLU激活函數(shù)優(yōu)化設(shè)計(jì)[J]. 王雙印,滕國(guó)文.  信息通信. 2018(01)
[10]自適應(yīng)深度卷積神經(jīng)網(wǎng)絡(luò)在人臉識(shí)別上的應(yīng)用[J]. 郭曉潔,陳良,沈長(zhǎng)青,劉承建.  自動(dòng)化技術(shù)與應(yīng)用. 2017(07)

碩士論文
[1]基于改進(jìn)MTCNN模型的人臉檢測(cè)與面部關(guān)鍵點(diǎn)定位[D]. 陳雨薇.東華大學(xué) 2019
[2]基于Caffe平臺(tái)深度學(xué)習(xí)的人臉識(shí)別研究與實(shí)現(xiàn)[D]. 魏正.西安電子科技大學(xué) 2015
[3]改進(jìn)的卷積神經(jīng)網(wǎng)絡(luò)模型及其應(yīng)用研究[D]. 何鵬程.大連理工大學(xué) 2015
[4]基于卷積神經(jīng)網(wǎng)絡(luò)的人臉檢測(cè)和性別識(shí)別研究[D]. 汪濟(jì)民.南京理工大學(xué) 2015
[5]卷積神經(jīng)網(wǎng)絡(luò)及其應(yīng)用[D]. 李飛騰.大連理工大學(xué) 2014
[6]基于眼部識(shí)別的駕駛員疲勞檢測(cè)方法研究[D]. 崔堅(jiān).大連海事大學(xué) 2013
[7]多特征疲勞檢測(cè)系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn)[D]. 徐杰.華中科技大學(xué) 2013
[8]基于視頻圖像的人臉疲勞狀態(tài)檢測(cè)技術(shù)研究[D]. 李智.國(guó)防科學(xué)技術(shù)大學(xué) 2010
[9]機(jī)器視覺(jué)應(yīng)用技術(shù)研究[D]. 李鋒.浙江大學(xué) 2003



本文編號(hào)：3185794