近年來人臉檢測技術在研究人員的不懈努力下已經得到了快速發(fā)展,然而與實際應用的需求還有較大的差距。在非約束條件下,由于受到拍照姿勢,成像距離以及光照等影響,我們獲取到的人臉圖像通常都比較模糊,這對圖像分析、提取特征等任務十分不利,從而也導致人臉的檢測率大大降低。因此,如何解決自然場景下人臉檢測的準確性、穩(wěn)定性和高效性是近年來模式識別與計算機視覺領域內活躍的研究課題。為了提高人臉檢測在實際場景上的應用性,本文所做研究內容如下:(1)針對MTCNN等現有模型檢測低分辨率小人臉時碰到的局限性和弊端,本文提出構建基于輔助視覺任務的多任務深度網絡模型。首先通過構建堆疊沙漏網絡模型,成功在人臉圖像中提取人臉特征信息,彌補了卷積神經網絡中淺層特征本不具備的高層語義信息,增強了深層特征易丟失的目標紋理信息。并在此基礎上研究了基于先驗信息和生成對抗網絡融合的人臉檢測模型(TFPGAN),將圖像超分辨率重建作為人臉檢測的輔助視覺任務,提出了新的生成對抗網絡模型,有效緩解小目標的特征粗糙問題,在恢復圖像細節(jié)的同時也能提高小尺度人臉的檢測精度,并與其他現有模型進行了實驗對比證明其有效性。(2)研究了如何通過自注...

【文章頁數】：68 頁

【學位級別】：碩士

【部分圖文】：

圖2.1人臉檢測任務Fig2.1Thetaskoffacedetection

合肥工業(yè)大學專業(yè)碩士學位論文8第二章人臉檢測及超分辨率重建關鍵技術人臉檢測任務的目的是找出圖像中所有人臉相對應的位置，而算法的輸出是人臉外接的矩形框在該圖像中的坐標，如下圖說我們所示。圖2.1人臉檢測任務Fig2.1Thetaskoffacedetection我們平常所見的高分辨....

圖2.2經典人臉檢測算法流程圖

第二章人臉檢測及超分辨率重建關鍵技術9（4）人臉被口罩、面具等物體遮擋。綜上所述在復雜多變的背景環(huán)境中檢測到全部人臉是一項極具挑戰(zhàn)性的任務。其中如何提取不受復雜背景因素影響的魯棒性人臉特征和如何設計分類算法將人臉與背景分離開來就成了人臉檢測任務中的關鍵問題。下面就將在人臉檢測研究....

圖2.3圖像金字塔Fig2.3Imagepyramid

合肥工業(yè)大學專業(yè)碩士學位論文10圖2.3圖像金字塔Fig2.3Imagepyramid上述方法可以解決2.1節(jié)中提到的人臉檢測的前兩個核心問題，但是依然存在姿態(tài)偏轉、光照噪聲和遮擋這些有關魯棒性的挑戰(zhàn)。接下來要進行的工作是選擇合適的特征提取方法，因為提取的人臉特征是否具有較高的魯....

圖2.5點(x，y)的積分圖

第二章人臉檢測及超分辨率重建關鍵技術11圖2.4Haar-like的基本特征圖Fig2.4CommonfeaturemapofHaar-like雖然這種特征值計算方式簡單，但是在圖像處理過程中，產生了大量的圖像子窗口，從而導致需要計算的Haar-like特征數量十分巨大，因此研究....

本文編號：3969487