隨著信息時(shí)代的發(fā)展,機(jī)器學(xué)習(xí)得到了廣泛研究,其中以深度學(xué)習(xí)算法和卷積神經(jīng)網(wǎng)絡(luò)（簡(jiǎn)稱CNN）為基礎(chǔ)的人臉檢測(cè)和識(shí)別技術(shù)得到了快速發(fā)展。傳統(tǒng)的人臉檢測(cè)和識(shí)別算法在提取人臉特征向量時(shí),易受到外界環(huán)境和其它變化因素的影響,以致不能更好地獲取人臉信息,完成人臉的匹配和識(shí)別。現(xiàn)有的人臉檢測(cè)和識(shí)別算法中,針對(duì)于人臉檢測(cè)中光照強(qiáng)度、姿態(tài)旋轉(zhuǎn)及部分遮擋等變化因素的研究相對(duì)較少,以至于在上述變化因素出現(xiàn)時(shí),實(shí)時(shí)人臉檢測(cè)和識(shí)別的準(zhǔn)確性會(huì)被降低。因此,在考慮變化因素的前提下,如何有效地提升人臉檢測(cè)能力和提高人臉識(shí)別的準(zhǔn)確性,是一項(xiàng)重大的研究課題。本文在卷積神經(jīng)網(wǎng)絡(luò)模型的基礎(chǔ)上,首先,針對(duì)于人臉姿態(tài)旋轉(zhuǎn)、光照強(qiáng)度及部分遮擋等變化因素的影響,提出了多級(jí)聯(lián)CNN模型用于人臉檢測(cè),設(shè)計(jì)了改進(jìn)的CNN模型并進(jìn)行了訓(xùn)練,與Facenet模型的訓(xùn)練結(jié)果進(jìn)行了比較,進(jìn)而選擇效果較優(yōu)的網(wǎng)絡(luò)模型用于設(shè)計(jì)人臉識(shí)別模塊;最后,在所設(shè)計(jì)的算法基礎(chǔ)上,完成了學(xué)生考勤系統(tǒng)的設(shè)計(jì)和測(cè)試。本文的主要具體工作如下:1.根據(jù)檢測(cè)過(guò)程中存在的變化因素,提出了一種多級(jí)聯(lián)CNN模型。該模型針對(duì)于實(shí)時(shí)畫(huà)面中的人臉進(jìn)行檢測(cè),通過(guò)多組卷積神經(jīng)網(wǎng)絡(luò)逐層對(duì)圖像進(jìn)... 

【文章頁(yè)數(shù)】：63 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)外研究歷史與現(xiàn)狀
        1.2.1 傳統(tǒng)人臉檢測(cè)與識(shí)別技術(shù)
        1.2.2 基于深度學(xué)習(xí)算法的人臉檢測(cè)與識(shí)別
        1.2.3 考勤方式的研究現(xiàn)狀
    1.3 本文的主要研究?jī)?nèi)容
    1.4 本論文的結(jié)構(gòu)安排
第二章 人臉識(shí)別和神經(jīng)網(wǎng)絡(luò)的理論概述
    2.1 人臉識(shí)別的理論概述
    2.2 人工神經(jīng)網(wǎng)絡(luò)
        2.2.1 網(wǎng)絡(luò)模型及前向傳播算法
        2.2.2 誤差反向傳播算法
    2.3 卷積神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)
    2.4 卷積神經(jīng)網(wǎng)絡(luò)的算法優(yōu)化
    2.5 本章小結(jié)
第三章 基于多級(jí)聯(lián)卷積神經(jīng)網(wǎng)絡(luò)的人臉檢測(cè)
    3.1 多級(jí)聯(lián)卷積神經(jīng)網(wǎng)絡(luò)
        3.1.1 人臉圖像預(yù)處理
        3.1.2 多級(jí)聯(lián)卷積神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)
    3.2 傳統(tǒng)的基于Haar特征的AdaBoost人臉檢測(cè)算法
    3.3 基于多級(jí)聯(lián)CNN模型的人臉檢測(cè)方法
    3.4 人臉檢測(cè)過(guò)程
    3.5 實(shí)驗(yàn)結(jié)果與分析
        3.5.1 實(shí)驗(yàn)數(shù)據(jù)集
        3.5.2 實(shí)際檢測(cè)效果
    3.6 本章小結(jié)
第四章 基于深度CNN模型的人臉識(shí)別
    4.1 Facenet網(wǎng)絡(luò)結(jié)構(gòu)和模型
        4.1.1 Facenet網(wǎng)絡(luò)結(jié)構(gòu)與配置
        4.1.2 Triplet loss損失函數(shù)
    4.2 改進(jìn)的卷積神經(jīng)網(wǎng)絡(luò)
    4.3 基于深度卷積神經(jīng)網(wǎng)絡(luò)的人臉識(shí)別
        4.3.1 人臉特征匹配方法
        4.3.2 人臉識(shí)別算法
    4.4 網(wǎng)絡(luò)模型的訓(xùn)練與實(shí)驗(yàn)結(jié)果
        4.4.1 人臉識(shí)別數(shù)據(jù)集
        4.4.2 基于Facenet深度網(wǎng)絡(luò)模型的訓(xùn)練與結(jié)果
        4.4.3 基于改進(jìn)的CNN模型的訓(xùn)練與結(jié)果
    4.5 本章小結(jié)
第五章 考勤系統(tǒng)的相關(guān)設(shè)計(jì)和測(cè)試
    5.1 系統(tǒng)設(shè)計(jì)目標(biāo)
    5.2 系統(tǒng)的整體設(shè)計(jì)
    5.3 考勤系統(tǒng)的實(shí)驗(yàn)測(cè)試
        5.3.1 系統(tǒng)的開(kāi)發(fā)環(huán)境
        5.3.2 系統(tǒng)測(cè)試和實(shí)驗(yàn)結(jié)果
    5.4 本章小結(jié)
第六章 總結(jié)與展望
    6.1 總結(jié)
    6.2 后續(xù)工作展望
參考文獻(xiàn)
附錄1 攻讀碩士學(xué)位期間發(fā)表的學(xué)位論文
附錄2 攻讀碩士學(xué)位期間申請(qǐng)的專利
致謝


【參考文獻(xiàn)】：
期刊論文
[1]基于深度卷積神經(jīng)網(wǎng)絡(luò)的車標(biāo)識(shí)別研究[J]. 陳全,王澤,賈偉.  工業(yè)控制計(jì)算機(jī). 2018(12)
[2]基于卷積神經(jīng)網(wǎng)絡(luò)的深度學(xué)習(xí)算法與應(yīng)用分析[J]. 濮石.  信息與電腦(理論版). 2018(17)
[3]基于人臉識(shí)別技術(shù)在考勤中的研究與應(yīng)用[J]. 張彤,王曉紅.  電腦編程技巧與維護(hù). 2018(08)
[4]多級(jí)聯(lián)卷積神經(jīng)網(wǎng)絡(luò)人臉檢測(cè)[J]. 余飛,甘俊英,張雨晨,曾軍英.  五邑大學(xué)學(xué)報(bào)(自然科學(xué)版). 2018(03)
[5]基于卷積神經(jīng)網(wǎng)絡(luò)的人臉識(shí)別系統(tǒng)[J]. 白創(chuàng),段楊楊,王坤,鄭立陽(yáng),彭港,張雪冰.  電子世界. 2018(12)
[6]Face Recognition Using Dense SIFT Feature Alignment[J]. ZHOU Quan,Shafiq ur Rehman,ZHOU Yu,WEI Xin,WANG Lei,ZHENG Baoyu.  Chinese Journal of Electronics. 2016(06)
[7]基于卷積神經(jīng)網(wǎng)絡(luò)的人臉識(shí)別方法[J]. 陳耀丹,王連明.  東北師大學(xué)報(bào)(自然科學(xué)版). 2016(02)
[8]行人檢測(cè)中非極大值抑制算法的改進(jìn)[J]. 陳金輝,葉西寧.  華東理工大學(xué)學(xué)報(bào)(自然科學(xué)版). 2015(03)
[9]小波變換和特征加權(quán)融合的人臉識(shí)別[J]. 趙煥利,王玉德,張學(xué)志,薛乃玉.  中國(guó)圖象圖形學(xué)報(bào). 2012(12)
[10]人臉檢測(cè)與識(shí)別技術(shù)綜述[J]. 王偉,張佑生,方芳.  合肥工業(yè)大學(xué)學(xué)報(bào)(自然科學(xué)版). 2006(02)

博士論文
[1]Gabor小波變換在人臉識(shí)別中的應(yīng)用研究[D]. 余磊.重慶大學(xué) 2009

碩士論文
[1]基于人臉識(shí)別的智能門(mén)禁系統(tǒng)設(shè)計(jì)與實(shí)現(xiàn)[D]. 陸軼秋.江蘇科技大學(xué) 2018
[2]基于深度學(xué)習(xí)的人臉識(shí)別方法的研究[D]. 王震.蘭州理工大學(xué) 2018
[3]基于深度學(xué)習(xí)的人臉檢測(cè)和識(shí)別方法研究[D]. 劉婧月.電子科技大學(xué) 2018
[4]基于Adaboost算法的人臉檢測(cè)與識(shí)別技術(shù)研究[D]. 王鋒.揚(yáng)州大學(xué) 2018
[5]基于深度學(xué)習(xí)方法的人臉識(shí)別研究及應(yīng)用[D]. 林英喬.電子科技大學(xué) 2018
[6]人臉識(shí)別技術(shù)與考勤系統(tǒng)應(yīng)用研究[D]. 馬園園.南京郵電大學(xué) 2017
[7]基于深度學(xué)習(xí)的人臉檢測(cè)算法研究[D]. 董德軒.電子科技大學(xué) 2017
[8]基于人臉識(shí)別學(xué)生宿舍管理系統(tǒng)設(shè)計(jì)[D]. 成偉.電子科技大學(xué) 2016
[9]基于SIFT的人臉識(shí)別算法研究與實(shí)現(xiàn)[D]. 范繼輝.河南理工大學(xué) 2016
[10]一種基于SIFT的特征提取在人臉識(shí)別算法中的研究[D]. 于祥春.吉林大學(xué) 2015



本文編號(hào)：3695953