面向視頻監(jiān)控的多姿態(tài)人臉識(shí)別技術(shù)研究與實(shí)現(xiàn)
發(fā)布時(shí)間:2023-10-12 01:25
身份識(shí)別是信息安全學(xué)科中一個(gè)重要的研究領(lǐng)域。隨著計(jì)算機(jī)視覺技術(shù)與機(jī)器學(xué)習(xí)技術(shù)的飛速發(fā)展,人臉識(shí)別已成為當(dāng)今最可靠的身份識(shí)別技術(shù)之一,目前已被廣泛應(yīng)用到日常生活中。將人臉識(shí)別技術(shù)運(yùn)用到視頻監(jiān)控系統(tǒng)當(dāng)中,能夠充分發(fā)揮視頻監(jiān)控系統(tǒng)的預(yù)警能力,對(duì)社會(huì)穩(wěn)定繁榮有積極作用。然而在視頻監(jiān)控場景中,由于人臉姿態(tài)變化頻繁與視頻圖像分辨率低等原因,人臉識(shí)別算法的識(shí)別精度嚴(yán)重下降。針對(duì)上述問題,本文提出融合姿態(tài)信息的人臉姿態(tài)校正算法與面向視頻監(jiān)控的多姿態(tài)人臉識(shí)別算法。本文的主要工作如下:(1)針對(duì)視頻監(jiān)控場景下人臉姿態(tài)變化頻繁的問題,本文提出一個(gè)融合姿態(tài)信息的人臉姿態(tài)校正算法。該算法將人臉圖像與對(duì)應(yīng)的姿態(tài)信息一起輸入至訓(xùn)練好的生成對(duì)抗網(wǎng)絡(luò)中,利用生成對(duì)抗網(wǎng)絡(luò)的生成器生成虛擬正面人臉圖像,從而實(shí)現(xiàn)人臉圖像的姿態(tài)校正。實(shí)驗(yàn)表明,融合姿態(tài)信息的人臉姿態(tài)校正算法不僅能夠生成清晰逼真的虛擬正面人臉圖像,并且能夠較好地保留原始人臉圖像中的特征信息。(2)針對(duì)視頻監(jiān)控場景下人臉識(shí)別算法識(shí)別精度下降的問題,本文提出一個(gè)面向視頻監(jiān)控的多姿態(tài)人臉識(shí)別算法。該算法充分利用視頻監(jiān)控場景下人臉姿態(tài)變化連續(xù)、平滑的特點(diǎn),通過人臉追蹤、...
【文章頁數(shù)】:89 頁
【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
1.1.1 研究背景
1.1.2 研究意義
1.2 國內(nèi)外研究現(xiàn)狀
1.2.1 人臉識(shí)別研究現(xiàn)狀
1.2.2 多姿態(tài)人臉識(shí)別研究現(xiàn)狀
1.3 論文主要工作
1.4 論文結(jié)構(gòu)安排
第二章 人臉識(shí)別相關(guān)技術(shù)介紹
2.1 人臉檢測
2.2 人臉圖像預(yù)處理
2.3 人臉對(duì)齊
2.4 人臉特征提取
2.4.1 人臉數(shù)據(jù)集
2.4.2 卷積神經(jīng)網(wǎng)絡(luò)
2.4.3 損失函數(shù)
2.5 人臉特征匹配
2.6 本章小結(jié)
第三章 融合姿態(tài)信息的人臉姿態(tài)校正算法
3.1 人臉姿態(tài)信息的基本原理
3.2 生成對(duì)抗網(wǎng)絡(luò)的基本原理
3.3 基于生成對(duì)抗網(wǎng)絡(luò)的人臉姿態(tài)校正模型
3.4 實(shí)驗(yàn)與分析
3.4.1 實(shí)驗(yàn)環(huán)境
3.4.2 實(shí)驗(yàn)數(shù)據(jù)
3.4.3 實(shí)驗(yàn)過程與結(jié)果分析
3.5 本章小結(jié)
第四章 面向視頻監(jiān)控的多姿態(tài)人臉識(shí)別算法
4.1 多姿態(tài)人臉識(shí)別算法
4.1.1 基于RetinaFace的人臉檢測與人臉對(duì)齊方法
4.1.2 基于相鄰視頻圖像幀比對(duì)的人臉追蹤方法
4.1.3 基于多點(diǎn)透視位姿求解方法的人臉姿態(tài)估計(jì)方法
4.1.4 基于MobileFaceNet的人臉特征提取方法
4.1.5 基于人臉追蹤的人臉特征匹配方法
4.2 實(shí)驗(yàn)與分析
4.2.1 實(shí)驗(yàn)環(huán)境
4.2.2 實(shí)驗(yàn)數(shù)據(jù)
4.2.3 實(shí)驗(yàn)過程與結(jié)果分析
4.3 本章小結(jié)
第五章 多姿態(tài)人臉識(shí)別監(jiān)控系統(tǒng)
5.1 多姿態(tài)人臉識(shí)別監(jiān)控系統(tǒng)概述
5.2 系統(tǒng)功能模塊設(shè)計(jì)與實(shí)現(xiàn)
5.2.1 多路視頻流解碼模塊
5.2.2 人臉檢測與對(duì)齊模塊
5.2.3 人臉姿態(tài)校正模塊
5.2.4 人臉識(shí)別模塊
5.2.5 數(shù)據(jù)庫模塊
5.2.6 告警模塊
5.3 系統(tǒng)運(yùn)行分析
5.3.1 運(yùn)行環(huán)境
5.3.2 運(yùn)行分析
5.4 本章小結(jié)
第六章 全文總結(jié)與展望
6.1 全文總結(jié)
6.2 后續(xù)工作展望
致謝
參考文獻(xiàn)
本文編號(hào):3853176
【文章頁數(shù)】:89 頁
【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
1.1.1 研究背景
1.1.2 研究意義
1.2 國內(nèi)外研究現(xiàn)狀
1.2.1 人臉識(shí)別研究現(xiàn)狀
1.2.2 多姿態(tài)人臉識(shí)別研究現(xiàn)狀
1.3 論文主要工作
1.4 論文結(jié)構(gòu)安排
第二章 人臉識(shí)別相關(guān)技術(shù)介紹
2.1 人臉檢測
2.2 人臉圖像預(yù)處理
2.3 人臉對(duì)齊
2.4 人臉特征提取
2.4.1 人臉數(shù)據(jù)集
2.4.2 卷積神經(jīng)網(wǎng)絡(luò)
2.4.3 損失函數(shù)
2.5 人臉特征匹配
2.6 本章小結(jié)
第三章 融合姿態(tài)信息的人臉姿態(tài)校正算法
3.1 人臉姿態(tài)信息的基本原理
3.2 生成對(duì)抗網(wǎng)絡(luò)的基本原理
3.3 基于生成對(duì)抗網(wǎng)絡(luò)的人臉姿態(tài)校正模型
3.4 實(shí)驗(yàn)與分析
3.4.1 實(shí)驗(yàn)環(huán)境
3.4.2 實(shí)驗(yàn)數(shù)據(jù)
3.4.3 實(shí)驗(yàn)過程與結(jié)果分析
3.5 本章小結(jié)
第四章 面向視頻監(jiān)控的多姿態(tài)人臉識(shí)別算法
4.1 多姿態(tài)人臉識(shí)別算法
4.1.1 基于RetinaFace的人臉檢測與人臉對(duì)齊方法
4.1.2 基于相鄰視頻圖像幀比對(duì)的人臉追蹤方法
4.1.3 基于多點(diǎn)透視位姿求解方法的人臉姿態(tài)估計(jì)方法
4.1.4 基于MobileFaceNet的人臉特征提取方法
4.1.5 基于人臉追蹤的人臉特征匹配方法
4.2 實(shí)驗(yàn)與分析
4.2.1 實(shí)驗(yàn)環(huán)境
4.2.2 實(shí)驗(yàn)數(shù)據(jù)
4.2.3 實(shí)驗(yàn)過程與結(jié)果分析
4.3 本章小結(jié)
第五章 多姿態(tài)人臉識(shí)別監(jiān)控系統(tǒng)
5.1 多姿態(tài)人臉識(shí)別監(jiān)控系統(tǒng)概述
5.2 系統(tǒng)功能模塊設(shè)計(jì)與實(shí)現(xiàn)
5.2.1 多路視頻流解碼模塊
5.2.2 人臉檢測與對(duì)齊模塊
5.2.3 人臉姿態(tài)校正模塊
5.2.4 人臉識(shí)別模塊
5.2.5 數(shù)據(jù)庫模塊
5.2.6 告警模塊
5.3 系統(tǒng)運(yùn)行分析
5.3.1 運(yùn)行環(huán)境
5.3.2 運(yùn)行分析
5.4 本章小結(jié)
第六章 全文總結(jié)與展望
6.1 全文總結(jié)
6.2 后續(xù)工作展望
致謝
參考文獻(xiàn)
本文編號(hào):3853176
本文鏈接:http://sikaile.net/kejilunwen/xinxigongchenglunwen/3853176.html
最近更新
教材專著