人臉識別是廣泛應用的身份驗證方式之一,尤其在非接觸身份驗證領域具有不可替代的優(yōu)勢。顯然,在開放式戶外場所進行目標追蹤時,由于固定式人臉識別模式存在監(jiān)控死角、無法機動等天然不足,而必須使用移動模式。傳統(tǒng)的移動人臉識別屬于地面機動方式,可以較好地解決上述缺陷,但仍存在諸如建筑物遮擋、平面機動受限、視野較窄等問題。因此,隨著無人機的普及應用,近年來基于無人機實現高機動跟蹤監(jiān)控的技術成為研究熱點。本文針對多維視角跟蹤識別目標人物、特殊環(huán)境和緊急情況下快速識別目標的需求,對如何搭建靈活便攜的智能化無人機平臺及實現在移動設備上的快速人臉識別功能等問題進行了較為深入探討。首先對常用的地空主從式人臉識別工作模式進行了研究分析,基于無人機智能化的概念,提出了一種基于無人機平臺的地空協同、檢判一體的快速人臉識別工作模式。其次,針對無人機存在計算資源和能源有限,而傳統(tǒng)的人臉識別方法復雜度高、特征學習主動性不強、實時性差等不足,對人臉檢測和匹配方法開展研究分析比對,選用Tiny YOLO實現人臉檢測,選用FaceNet實現人臉匹配,并且為滿足其能在無人機平臺上達到運行速度和運行時長的要求,在保證人臉識別質量的...

【文章頁數】：65 頁

【學位級別】：碩士

【文章目錄】：
摘要
abstract
第1章 引言
    1.1 課題來源與研究背景
        1.1.1 課題來源
        1.1.2 研究背景
    1.2 國內外研究現狀與研究意義
        1.2.1 人臉圖像檢測的研究現狀
        1.2.2 人臉圖像匹配的研究現狀
        1.2.3 人工智能加速芯片的研究現狀
        1.2.4 研究意義
    1.3 本文主要研究工作
        1.3.1 研究目標
        1.3.2 研究內容
    1.4 本文組織結構
第2章 相關理論介紹與工作模式研究
    2.1 研究難點
    2.2 人臉檢測
        2.2.1 傳統(tǒng)的人臉檢測方法
        2.2.2 基于深度學習的人臉檢測方法
    2.3 人臉匹配
    2.4 人工智能加速芯片
    2.5 工作模式研究
        2.5.1 研究思路
        2.5.2 工作模式
第3章 基于Tiny YOLO的運動人臉檢測
    3.1 概述
    3.2 基于無人機平臺的人臉檢測特征
        3.2.1 研究對象的特點
        3.2.2 無人機平臺的特點
    3.3 基于Tiny YOLO的實時人臉檢測模型
        3.3.1 卷積神經網絡
        3.3.2 基于Tiny YOLO的實時人臉檢測模型分析
    3.4 實證分析
        3.4.1 數據集與預處理
        3.4.2 實驗環(huán)境與設置
        3.4.3 評估標準
        3.4.4 結果分析
    3.5 本章小結
第4章 基于FaceNet的人臉匹配
    4.1 概述
    4.2 基于FaceNet的人臉匹配模型
        4.2.1 遷移學習
        4.2.2 基于預訓練FaceNet的人臉匹配模型
        4.2.3 基于嵌入式平臺的FaceNet模型改進
    4.3 實證分析
        4.3.1 數據集與預處理
        4.3.2 實驗參數設置
        4.3.3 評估標準
        4.3.4 結果分析
    4.4 本章小結
第5章 基于無人機平臺的實時人臉識別系統(tǒng)的實現
    5.1 系統(tǒng)結構
    5.2 邏輯設計
    5.3 環(huán)境需求
    5.4 硬件加速設計
    5.5 軟件功能設計
        5.5.1 數據采集模塊
        5.5.2 圖像預處理模塊
        5.5.3 人臉檢測模塊
        5.5.4 人臉匹配模塊
        5.5.5 研判處理模塊
        5.5.6 通信模塊
    5.6 系統(tǒng)測試與分析
        5.6.1 性能測試
        5.6.2 實例測試
    5.7 本章小結
第6章 總結與展望
    6.1 總結
    6.2 展望
致謝
參考文獻
攻讀學位期間的研究成果



本文編號：3771685