人臉關(guān)鍵點(diǎn)檢測(cè),即人臉對(duì)齊,已成為人工智能研究領(lǐng)域的一個(gè)熱點(diǎn)。該技術(shù)實(shí)現(xiàn)了對(duì)于面部感興趣特征點(diǎn)或區(qū)域進(jìn)行定位的任務(wù),以人臉檢測(cè)技術(shù)得到的目標(biāo)框?yàn)榛A(chǔ),進(jìn)一步獲得人臉關(guān)鍵點(diǎn)的確切位置。同時(shí)作為人臉驗(yàn)證、表情分析和人臉識(shí)別等技術(shù)的前趨步驟,人臉關(guān)鍵點(diǎn)檢測(cè)為這些任務(wù)的研究提供精確的面部關(guān)鍵點(diǎn)定位。人臉關(guān)鍵點(diǎn)檢測(cè)技術(shù)與生活、工業(yè)和商業(yè)應(yīng)用密不可分。無論是監(jiān)控設(shè)備、安防設(shè)備、身份驗(yàn)證設(shè)備等信息安全領(lǐng)域,還是圖像處理等商業(yè)應(yīng)用領(lǐng)域,均需要以人臉關(guān)鍵點(diǎn)檢測(cè)的研究作為技術(shù)支撐。因此人臉關(guān)鍵點(diǎn)檢測(cè)技術(shù)的研究具有極大的應(yīng)用價(jià)值和實(shí)際意義,本文針對(duì)人臉關(guān)鍵點(diǎn)檢測(cè)任務(wù)進(jìn)行了以下三方面的技術(shù)改進(jìn):(1)首先以基于單步網(wǎng)絡(luò)的SSD檢測(cè)器為基礎(chǔ)進(jìn)行改進(jìn),添加了包含更多細(xì)節(jié)信息的、更靠近底層網(wǎng)絡(luò)的特征層進(jìn)行級(jí)聯(lián)預(yù)測(cè),來獲得對(duì)于人臉的小目標(biāo)檢測(cè)任務(wù)的優(yōu)良性能。其次,對(duì)于默認(rèn)框的尺度進(jìn)行調(diào)整,選擇更加適合人臉形狀的固定比例來實(shí)現(xiàn)默認(rèn)框?qū)τ谌四樃玫臄M合效果。最后將改進(jìn)后的方案在主流人臉數(shù)據(jù)集上進(jìn)行實(shí)驗(yàn)對(duì)比以及性能改進(jìn)分析。(2)本文對(duì)抑制冗余預(yù)測(cè)框的NMS算法進(jìn)行改進(jìn)。首先分析了NMS算法在人臉檢測(cè)的小目標(biāo)應(yīng)用場(chǎng)景中可能...

【文章頁數(shù)】：69 頁

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
ABSTRACT
1 緒論
    1.1 研究背景與意義
    1.2 國內(nèi)外研究現(xiàn)狀
        1.2.1 機(jī)器學(xué)習(xí)與深度學(xué)習(xí)的研究進(jìn)展
        1.2.2 目標(biāo)檢測(cè)的研究進(jìn)展
        1.2.3 人臉關(guān)鍵點(diǎn)檢測(cè)的研究進(jìn)展
    1.3 目前研究存在的問題
    1.4 本文主要的研究?jī)?nèi)容
2 人臉關(guān)鍵點(diǎn)檢測(cè)算法的構(gòu)成與研究分析
    2.1 目標(biāo)檢測(cè)算法
        2.1.1 傳統(tǒng)目標(biāo)檢測(cè)算法
        2.1.2 深度學(xué)習(xí)目標(biāo)檢測(cè)算法
    2.2 人臉關(guān)鍵點(diǎn)檢測(cè)算法
        2.2.1 傳統(tǒng)人臉關(guān)鍵點(diǎn)檢測(cè)算法
        2.2.2 基于卷積神經(jīng)網(wǎng)絡(luò)的人臉關(guān)鍵點(diǎn)檢測(cè)架構(gòu)
    2.3 本章小結(jié)
3 改進(jìn)的SSD目標(biāo)檢測(cè)架構(gòu)
    3.1 SSD算法詳解
        3.1.1 多尺度級(jí)聯(lián)預(yù)測(cè)結(jié)構(gòu)
        3.1.2 默認(rèn)框的生成
        3.1.3 損失函數(shù)
    3.2 SSD的改進(jìn)
        3.2.1 融合方式以及默認(rèn)框尺度的改進(jìn)
        3.2.2 NMS算法的改進(jìn)
    3.3 實(shí)驗(yàn)結(jié)果
        3.3.1 改進(jìn)融合方式和默認(rèn)框尺度后的性能分析
        3.3.2 改進(jìn)的NMS算法的性能分析
        3.3.3 圖片以及USB攝像頭實(shí)時(shí)場(chǎng)景下的性能分析
    3.4 本章小結(jié)
4 改進(jìn)的人臉關(guān)鍵點(diǎn)檢測(cè)算法
    4.1 基于LBF的人臉關(guān)鍵點(diǎn)檢測(cè)算法
        4.1.1 局部二值特征
        4.1.2 隨機(jī)森林的訓(xùn)練
    4.2 基于像素差的多角度初始化算法
    4.3 實(shí)驗(yàn)結(jié)果
        4.3.1 多角度初始化算法的性能分析
        4.3.2 在數(shù)據(jù)集上的性能分析
        4.3.3 USB攝像頭實(shí)時(shí)場(chǎng)景下的實(shí)驗(yàn)與性能分析
    4.4 本章小結(jié)
5 總結(jié)與展望
    5.1 研究總結(jié)
    5.2 研究展望
致謝
參考文獻(xiàn)
附錄 :攻讀學(xué)位期間參加的科研項(xiàng)目和成果



本文編號(hào)：3791086