因?yàn)槿四樧R(shí)別非接觸式、方便、友好等特點(diǎn),長(zhǎng)期以來,研究人員對(duì)其進(jìn)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(shí)別技術(shù)識(shí)別率越來越高,效果明顯,性能優(yōu)越,在實(shí)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(duì)算法的性能影響很大,還需要進(jìn)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(shí)別中,因非限定條件造成的人臉模糊圖像的識(shí)別。針對(duì)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(hào)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(duì)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(gè)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(duì)圖像的初步特征提取;2.旋轉(zhuǎn)均值跳動(dòng)特征提取方法,該方法通過本文提出的均值跳動(dòng)編碼思想對(duì)一幅圖像上的所有垂直跡線提取特征值,同樣在一個(gè)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(duì)人臉的分類識(shí)別,因?yàn)榫矸e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(xué)江西省

【文章頁數(shù)】：71 頁

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
Abstract
1 緒論
    1.1 人臉識(shí)別研究背景及意義
    1.2 發(fā)展歷史和國(guó)內(nèi)外研究現(xiàn)狀
    1.3 本文研究?jī)?nèi)容和主要工作
        1.3.1 研究?jī)?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(jìn)
    3.3 旋轉(zhuǎn)均值跳動(dòng)特征提取方法及改進(jìn)
    3.4 本章小結(jié)
4 旋轉(zhuǎn)向量特征級(jí)聯(lián)卷積神經(jīng)網(wǎng)絡(luò)
    4.1 級(jí)聯(lián)卷積神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)
    4.2 人臉數(shù)據(jù)庫(kù)及預(yù)處理
        4.2.1 人臉數(shù)據(jù)庫(kù)的選擇
        4.2.2 數(shù)據(jù)庫(kù)預(yù)處理
    4.3 實(shí)驗(yàn)結(jié)果與分析
        4.3.1 實(shí)驗(yàn)運(yùn)行環(huán)境
        4.3.2 旋轉(zhuǎn)增量調(diào)制級(jí)聯(lián)神經(jīng)網(wǎng)絡(luò)實(shí)驗(yàn)結(jié)果與分析
        4.3.3 旋轉(zhuǎn)均值跳動(dòng)級(jí)聯(lián)神經(jīng)網(wǎng)絡(luò)實(shí)驗(yàn)結(jié)果與分析
        4.3.4 實(shí)驗(yàn)小結(jié)
    4.4 本章小結(jié)
5 多尺度級(jí)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(jí)聯(lián)卷積神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)
    5.3 實(shí)驗(yàn)結(jié)果與分析
        5.3.1 多尺度增量調(diào)制方案實(shí)驗(yàn)結(jié)果與分析
        5.3.2 多尺度均值跳動(dòng)方案實(shí)驗(yàn)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(xué)位期間取得的研究成果
參考文獻(xiàn)


【參考文獻(xiàn)】：
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(xué)報(bào). 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(shí)別[J]. 周汐,曹林.  中國(guó)圖象圖形學(xué)報(bào). 2015(01)
[4]基于DTCWT和LBP的低分辨率人臉識(shí)別[J]. 趙敏,朱明.  計(jì)算機(jī)工程. 2012(22)
[5]基于Radon-TVAR的多分量Chirp信號(hào)檢測(cè)[J]. 丘建勇,沈民奮,陳和晏.  電子測(cè)量與儀器學(xué)報(bào). 2006(05)
[6]用于圖象識(shí)別的圖象代數(shù)特征抽取[J]. 洪子泉,楊靜宇.  自動(dòng)化學(xué)報(bào). 1992(02)



本文編號(hào)：3284737