隨著安檢口及金融貿(mào)易方面應(yīng)用需求的快速增長(zhǎng),生物識(shí)別技術(shù)得到了廣泛關(guān)注,而人臉識(shí)別是所有生物識(shí)別方法中應(yīng)用最為廣泛的技術(shù)之一。人臉識(shí)別因其在金融驗(yàn)證、醫(yī)學(xué)、人機(jī)交互和公共安全等方面的巨大應(yīng)用前景而逐步成為了人工智能領(lǐng)域的一個(gè)研究熱點(diǎn)。本文以迎賓機(jī)器人平臺(tái)為入口,結(jié)合計(jì)算機(jī)視覺(jué)技術(shù)和運(yùn)動(dòng)控制技術(shù),不僅讓機(jī)器人具備了人臉特征識(shí)別的能力,同時(shí)結(jié)合目標(biāo)跟蹤算法,實(shí)現(xiàn)了人臉跟蹤隨動(dòng)系統(tǒng),增強(qiáng)了機(jī)器人的人機(jī)交互能力。本文的主要工作有如下幾點(diǎn):首先,介紹了基于深度學(xué)習(xí)的卷積神經(jīng)網(wǎng)絡(luò)的基本結(jié)構(gòu)和訓(xùn)練方式,介紹了其核心工作原理和主要的優(yōu)化方案�，F(xiàn)如今主流方法為提高網(wǎng)絡(luò)性能還在拓展網(wǎng)絡(luò)結(jié)構(gòu)或者加大訓(xùn)練數(shù)據(jù)量,使得訓(xùn)練的計(jì)算量不斷加大。而本文則另辟蹊徑從數(shù)據(jù)端入手,采用了一種基于mixup(混合)的訓(xùn)練方法,實(shí)現(xiàn)了網(wǎng)絡(luò)訓(xùn)練方式的優(yōu)化,使得網(wǎng)絡(luò)在圖片分類(lèi)錯(cuò)誤率上降低了一個(gè)百分點(diǎn)左右,對(duì)網(wǎng)絡(luò)性能有一定提升。其次,介紹了人臉特征識(shí)別的主要流程,討論了傳統(tǒng)檢測(cè)方法和基于卷積神經(jīng)網(wǎng)絡(luò)的方法各自的優(yōu)缺點(diǎn),并通過(guò)實(shí)際運(yùn)行驗(yàn)證,找出了最適合的方案。同時(shí)也將基于mixup的網(wǎng)絡(luò)訓(xùn)練方法運(yùn)用于人臉特征識(shí)別的網(wǎng)絡(luò)訓(xùn)練中,經(jīng)驗(yàn)證對(duì)...

【文章頁(yè)數(shù)】：80 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

圖1.12007-2015生物識(shí)別市場(chǎng)規(guī)模Fig.1.12007-2015MarketSizeofBiometricRecognition

1緒論11緒論1.1研究背景和意義智能機(jī)器人是復(fù)雜系統(tǒng)工程的產(chǎn)物[1]，它是機(jī)電一體化、計(jì)算機(jī)科學(xué)、材料科學(xué)和仿生學(xué)的完美結(jié)合。它在工農(nóng)業(yè)、醫(yī)藥、建筑和軍事等傳統(tǒng)領(lǐng)域具有重要的應(yīng)用。如今，機(jī)器人的概念在國(guó)際上已經(jīng)有了具體解釋?zhuān)簷C(jī)器人是能控制自身完成各種功能的機(jī)器[2]。機(jī)器人可為....

圖1.22015年全球生物識(shí)別市場(chǎng)結(jié)構(gòu)

重慶大學(xué)碩士學(xué)位論文2最近10多年來(lái)，生物識(shí)別市場(chǎng)的收入正在逐步快速增長(zhǎng)。如圖1.2所示，在2015年在生物識(shí)別技術(shù)市場(chǎng)中人臉特征識(shí)別技術(shù)已占據(jù)18％的比例。人臉特征識(shí)別的市場(chǎng)在不斷擴(kuò)大。圖1.22015年全球生物識(shí)別市場(chǎng)結(jié)構(gòu)Fig.1.22015GlobalBiometricM....

圖2.3LeNet-5卷積神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)圖

2卷積神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)及算法原理9圖2.3LeNet-5卷積神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)圖Fig.2.3StructurediagramofLeNet-52.2.2局部連接和權(quán)值共享卷積神經(jīng)網(wǎng)絡(luò)不同于一般神經(jīng)網(wǎng)絡(luò)的是選用了局部連接和權(quán)值共享來(lái)減少網(wǎng)絡(luò)模型中的參數(shù)量，以此來(lái)降低訓(xùn)練計(jì)算量[25,26....

圖2.5卷積操作示意圖

重慶大學(xué)碩士學(xué)位論文10出神經(jīng)元所能“感受”的區(qū)域。圖2.5卷積操作示意圖Fig.2.5Convolutionoperation公式2.2表示卷積過(guò)程，k是卷積核的對(duì)應(yīng)參數(shù)，b是偏置。1()jllliilMjjiifxkbx（2.2）池化層主要工作就是降低參數(shù)個(gè)數(shù)也就是模型復(fù)雜度....

本文編號(hào)：3971105