目標(biāo)檢測是目前比較熱門的研究課題之一,其中人臉檢測應(yīng)用最為廣泛,人臉是一種非剛性的目標(biāo),現(xiàn)實環(huán)境中存在各種復(fù)雜因素影響著人臉檢測的性能,例如人臉存在遮擋物,光照強度對圖像質(zhì)量的影響,人臉的姿態(tài)與細(xì)微的表情變化引起的變形,以及待檢測目標(biāo)過小等等,針對以上問題,本文針對復(fù)雜環(huán)境下人臉檢測的算法進(jìn)行了研究。本文主要工作有:針對遮擋、光照,強度、多姿態(tài)情況下的人臉檢效果不佳的情況,本文設(shè)計了一種近似遮擋的數(shù)據(jù)增強的方法,對Yale B數(shù)據(jù)集中不同光照強度下的人臉圖像進(jìn)行遮擋近似處理,使用了平均臉策略和圖像分割技術(shù)對特定區(qū)域進(jìn)行處理獲得與自然環(huán)境下相似的遮擋樣本,并對樣本圖像進(jìn)行多角度旋轉(zhuǎn),用處理后的樣本與Wider Face數(shù)據(jù)集對網(wǎng)絡(luò)模型進(jìn)行聯(lián)合訓(xùn)練,提高了檢測器對遮擋情況和多姿態(tài)問題的魯棒性,同時也解決了訓(xùn)練數(shù)據(jù)不足導(dǎo)致的過擬合問題。為了提高離攝像頭較遠(yuǎn)的小人臉目標(biāo)的檢測率,本文使用一種多層特征圖融合的方法,將卷積神經(jīng)網(wǎng)絡(luò)中的末三個卷積層的特征圖進(jìn)行融合,最大限度地保留卷積計算時被壓縮掉的信息,從而提高小人臉目標(biāo)的檢測率。同時,本文根據(jù)人臉的特殊比例對區(qū)域建議框的尺寸進(jìn)行調(diào)整,對Faste... 

【文章頁數(shù)】：59 頁

【學(xué)位級別】：碩士

【文章目錄】：
論文摘要
Abstract
引言
1 緒論
    1.1 研究背景及意義
    1.2 國內(nèi)外研究現(xiàn)狀
        1.2.1 傳統(tǒng)人臉檢測算法
        1.2.2 基于深度學(xué)習(xí)的人臉檢測
        1.2.3 傳統(tǒng)技術(shù)與深度網(wǎng)絡(luò)結(jié)合的方法
    1.3 本文研究內(nèi)容與安排
        1.3.1 本文主要研究內(nèi)容
        1.3.2 本文的組織結(jié)構(gòu)
2 基于卷積神經(jīng)網(wǎng)絡(luò)的人臉檢測
    2.1 人臉檢測算法原理
        2.1.1 面部特征提取
        2.1.2 人臉分類器
        2.1.3 邊框回歸
    2.2 卷積神經(jīng)網(wǎng)絡(luò)
        2.2.1 輸入層
        2.2.2 卷積層
        2.2.3 激活函數(shù)
        2.2.4 池化層
        2.2.5 全連接層
    2.3 基于區(qū)域建議的檢測算法
        2.3.1 R-CNN
        2.3.2 Fast R-CNN
        2.3.3 Faster R-CNN
    2.4 本章小結(jié)
3 近似遮擋的數(shù)據(jù)增強方法
    3.1 訓(xùn)練數(shù)據(jù)選擇
    3.2 數(shù)據(jù)增強方法
        3.2.1 引入遮擋與平均臉繪制
        3.2.2 遮擋區(qū)域處理
        3.2.3 多角度旋轉(zhuǎn)
    3.3 制作訓(xùn)練數(shù)據(jù)標(biāo)簽
    3.4 本章小結(jié)
4 人臉檢測網(wǎng)絡(luò)模型設(shè)計
    4.1 改進(jìn)的模型
        4.1.1 多層特征圖融合
        4.1.2 區(qū)域建議生成網(wǎng)絡(luò)
        4.1.3 損失函數(shù)設(shè)計
    4.2 模型的訓(xùn)練
    4.3 本章小結(jié)
5 實驗結(jié)果與分析
    5.1 人臉檢測數(shù)據(jù)集
    5.2 人臉檢測評估標(biāo)準(zhǔn)
    5.3 不同場景下的檢測性能分析
        5.3.1 公開數(shù)據(jù)集評估
        5.3.2 特定場景下評估
    5.4 本章小結(jié)
6 總結(jié)與展望
    6.1 總結(jié)
    6.2 展望
參考文獻(xiàn)
在學(xué)研究成果
致謝


【參考文獻(xiàn)】：
期刊論文
[1]基于空間卷積神經(jīng)網(wǎng)絡(luò)的井下軌道檢測方法[J]. 韓江洪,喬曉敏,衛(wèi)星,陸陽.  電子測量與儀器學(xué)報. 2018(12)
[2]基于改進(jìn)的AdaboostSVM的人臉表情識別[J]. 惠曉威,周金彪.  激光雜志. 2014(09)
[3]應(yīng)用小波變換的人臉光照補償[J]. 聶祥飛,譚澤富,郭軍.  光學(xué)精密工程. 2008(01)
[4]水平集的圖像分割方法綜述[J]. 錢蕓,張英杰.  中國圖象圖形學(xué)報. 2008(01)

碩士論文
[1]基于雙目立體視覺的人臉三維建模方法研究[D]. 高潔.吉林大學(xué) 2017
[2]基于視頻的高鐵列車檢測算法研究[D]. 張會朋.北京交通大學(xué) 2017
[3]智能監(jiān)控系統(tǒng)前端圖像處理研究[D]. 方鵬.電子科技大學(xué) 2016
[4]實用人臉識別系統(tǒng)初探[D]. 戴景文.上海交通大學(xué) 2009



本文編號：3656204