隨著科學水平不斷提升,人臉識別技術(shù)已經(jīng)被廣泛的應(yīng)用于安防、考勤、門禁、ATM等方面。目前,人臉識別算法的研究也延伸到復雜環(huán)境進行人臉識別。姿態(tài)變化,面部遮擋,年齡變化是影響人臉識別系統(tǒng)性能的主要因素。卷積神經(jīng)網(wǎng)絡(luò)與傳統(tǒng)的人臉識別方法相比:直接作用于原始圖像,具有局部感受野、權(quán)值共享和下采樣等特點。此外,對于圖像的平移、比例縮放、傾斜形式具有不變性。本文對卷積神經(jīng)網(wǎng)絡(luò)應(yīng)用于多角度的姿態(tài)人臉識別系統(tǒng)中進行了研究。首先,研究了傳統(tǒng)的神經(jīng)網(wǎng)絡(luò)的組成與特點,然后研究了卷積神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)特點,對經(jīng)典的卷積神經(jīng)網(wǎng)絡(luò)模型Le Net-5的卷積核尺寸和數(shù)目進行改進,提高提取特征的能力。改進池化層的池化方式,減少參數(shù)和計算量。在卷積神經(jīng)網(wǎng)絡(luò)中加入正則化方法,減少過擬合,增強網(wǎng)絡(luò)的泛化性和稀疏性。其次,針對改進后的卷積神經(jīng)網(wǎng)絡(luò)提取到的特征維數(shù)較高,采用PCA算法對提取到的特征向量做降維處理,生成不同維度的特征向量庫,然后采用余弦相似度度量算法進行目標人臉識別。最后,對于本文提出的多角度的姿態(tài)人臉識別方法進行仿真實驗,通過在CAS-PEAL人臉庫進行的實驗結(jié)果表明,改進的卷積神經(jīng)網(wǎng)絡(luò)人臉識別算法在多姿態(tài)的條件... 

【文章來源】：哈爾濱理工大學黑龍江省

【文章頁數(shù)】：64 頁

【學位級別】：碩士

【部分圖文】：

Sigmoid函數(shù)圖像

哈爾濱理工大學工學碩士學位論文-20-圖2-10Tanh函數(shù)圖像Fig.2-10Tanhfunction對Tanh進行求導得到下式(2-34)為。()()"2"1zzzzeegzgzee==+(2-34)2.3.3ReLU激活函數(shù)ReLU函數(shù)又被稱為分段線性函數(shù)，它的特點是能夠把所有的負值都變成0，而正值不變，也就是說當輸入為負值時，輸出為0，那么神經(jīng)元就不會被激活，從而使得網(wǎng)絡(luò)結(jié)構(gòu)變得稀疏，收斂速度快，能夠更好的挖掘相關(guān)特征，擬合訓練數(shù)據(jù)。由于它比Sigmoid函數(shù)和Tanh函數(shù)更符合生物學機制，所以在實際中應(yīng)用比較廣泛，例如：后面的LeNet-5網(wǎng)絡(luò)就使用到了ReLU激活函數(shù)。ReLU函數(shù)的數(shù)學表達形式如下式(2-35)為：(),(z0)0,(z0)zifgzif=(2-35)ReLU函數(shù)的圖像如下圖2-11所示。

哈爾濱理工大學工學碩士學位論文-21-圖2-11ReLU函數(shù)圖像Fig.2-11ReLUfunction對ReLU函數(shù)求導得到下式(2-36)為。()"1,(z0)0,(z0)ifgzif=(2-36)2.4卷積神經(jīng)網(wǎng)絡(luò)的訓練卷積神經(jīng)網(wǎng)絡(luò)訓練詳細步驟如圖2-12所示。


本文編號：3463631