因為人臉識別非接觸式、方便、友好等特點,長期以來,研究人員對其進行了深入研究,取得了很多重要成果。近幾年隨著硬件設(shè)備性能的提升,基于深度卷積神經(jīng)網(wǎng)絡(luò)的人臉識別技術(shù)識別率越來越高,效果明顯,性能優(yōu)越,在實際應(yīng)用中越來越廣泛。但是在非限定條件下,比如光照、表情、遮擋、年齡等變化情況,對算法的性能影響很大,還需要進一步深入研究。因此,本文以傳統(tǒng)的深度卷積神經(jīng)神經(jīng)網(wǎng)絡(luò)為基礎(chǔ),主要研究在人臉識別中,因非限定條件造成的人臉模糊圖像的識別。針對人臉特征的提取,本文根據(jù)Trace變換原理和模擬數(shù)字信號思想提出了兩種新的特征提取方法--1.旋轉(zhuǎn)增量調(diào)制特征提取方法,該方法對一幅圖像中的每條垂直跡線通過增量調(diào)制編碼原理提取特征值,一幅圖像的一個角度下的所有特征值組成一行一維向量,所有角度下的特征值組成二維矩陣,這樣完成對圖像的初步特征提取;2.旋轉(zhuǎn)均值跳動特征提取方法,該方法通過本文提出的均值跳動編碼思想對一幅圖像上的所有垂直跡線提取特征值,同樣在一個角度下的特征值組成一行一維向量,所有角度下的特征值組成二維矩陣。針對人臉的分類識別,因為卷積神經(jīng)網(wǎng)絡(luò)是將底層特征層層提取,最后提取高維的抽象特征,而本文上述... 

【文章來源】：東華理工大學江西省

【文章頁數(shù)】：71 頁

【學位級別】：碩士

【文章目錄】：
摘要
Abstract
1 緒論
    1.1 人臉識別研究背景及意義
    1.2 發(fā)展歷史和國內(nèi)外研究現(xiàn)狀
    1.3 本文研究內(nèi)容和主要工作
        1.3.1 研究內(nèi)容
        1.3.2 章節(jié)安排
2 深度卷積神經(jīng)網(wǎng)絡(luò)
    2.1 神經(jīng)網(wǎng)絡(luò)
    2.2 深度卷積神經(jīng)網(wǎng)絡(luò)的基本結(jié)構(gòu)
        2.2.1 卷積層
        2.2.2 池化層
        2.2.3 全連接層
    2.3 深度卷積神經(jīng)網(wǎng)絡(luò)的算法
        2.3.1 前向傳播算法
        2.3.2 反向傳播算法
    2.4 本章小結(jié)
3 旋轉(zhuǎn)向量特征提取方法
    3.1 Radon變換和Trace變換原理
        3.1.1 Radon變換原理
        3.1.2 Trace變換原理
    3.2 旋轉(zhuǎn)增量調(diào)制特征提取方法及改進
    3.3 旋轉(zhuǎn)均值跳動特征提取方法及改進
    3.4 本章小結(jié)
4 旋轉(zhuǎn)向量特征級聯(lián)卷積神經(jīng)網(wǎng)絡(luò)
    4.1 級聯(lián)卷積神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)
    4.2 人臉數(shù)據(jù)庫及預(yù)處理
        4.2.1 人臉數(shù)據(jù)庫的選擇
        4.2.2 數(shù)據(jù)庫預(yù)處理
    4.3 實驗結(jié)果與分析
        4.3.1 實驗運行環(huán)境
        4.3.2 旋轉(zhuǎn)增量調(diào)制級聯(lián)神經(jīng)網(wǎng)絡(luò)實驗結(jié)果與分析
        4.3.3 旋轉(zhuǎn)均值跳動級聯(lián)神經(jīng)網(wǎng)絡(luò)實驗結(jié)果與分析
        4.3.4 實驗小結(jié)
    4.4 本章小結(jié)
5 多尺度級聯(lián)卷積神經(jīng)網(wǎng)絡(luò)
    5.1 圖像多尺度的原理
    5.2 多尺度級聯(lián)卷積神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)
    5.3 實驗結(jié)果與分析
        5.3.1 多尺度增量調(diào)制方案實驗結(jié)果與分析
        5.3.2 多尺度均值跳動方案實驗結(jié)果與分析
    5.4 本章小結(jié)
6 總結(jié)與展望
    6.1 本文主要工作
    6.2 工作展望
致謝
在攻讀學位期間取得的研究成果
參考文獻


【參考文獻】：
期刊論文
[1]圓跡變換及圖像紋理分析[J]. 汪宇玲,黎明.  電子學報. 2018(10)
[2]Pose Robust Low-resolution Face Recognition via Coupled Kernel-based Enhanced Discriminant Analysis[J]. Xiaoying Wang,Haifeng Hu,Jianquan Gu.  IEEE/CAA Journal of Automatica Sinica. 2016(02)
[3]分塊LBP的素描人臉識別[J]. 周汐,曹林.  中國圖象圖形學報. 2015(01)
[4]基于DTCWT和LBP的低分辨率人臉識別[J]. 趙敏,朱明.  計算機工程. 2012(22)
[5]基于Radon-TVAR的多分量Chirp信號檢測[J]. 丘建勇,沈民奮,陳和晏.  電子測量與儀器學報. 2006(05)
[6]用于圖象識別的圖象代數(shù)特征抽取[J]. 洪子泉,楊靜宇.  自動化學報. 1992(02)



本文編號：3284737