【摘要】：人臉檢測技術從上世紀六十年代提出至今已經獲得了長足的發(fā)展,并在近年隨著深度學習研究的發(fā)展,每年都會新出現大量優(yōu)秀的人臉檢測算法。當前的人臉檢測算法雖然在有約束特定環(huán)境中,能夠取得相當好的檢測率,但是隨著人臉檢測技術應用范圍的擴大,人臉檢測需要面對越來越多的非限制場景,這些場景下的人臉圖像經常質量較低,導致人臉的檢測率大幅下降,因此對低分辨率人臉的檢測技術顯得至關重要。低分率人臉檢測面對的問題主要在于人臉區(qū)域包含的特征信息過少,無法提取到足夠準確描述人臉的特征信息。目前一種較為有效的低分辨率人臉檢測方法是先利用超分辨率圖像重建技術對低分辨率的人臉圖像進行增強,得到高分辨率的圖像之后,再進行人臉檢測操作。SRGAN是第一個將生成對抗網絡(GAN)應用到超分辨率重建領域的深度學習算法,取得了很好的效果。本文針對SRGAN網絡進行了研究和改進,并針對低分辨率人臉檢測的特點,將其與R-FCN網絡結合,提出了一種擁有兩級人臉檢測器的新的低分辨率人臉檢測模型。本文的主要工作如下:1、研究并改進了SRGAN超分辨率圖像重建算法。本文通過引入EM散度到SRGAN網絡模型中,提出了一種用于超分辨率圖像重建的SRGAN-EM模型,原始SRGAN模型中,使用JS散度來評估真實樣本與生產樣本間的相似性,會導致GAN網絡帶來的訓練困難,因此現有的GAN網絡常常會引入K-Lipschitz限制,但這通常并不能完全解決GAN網絡中的訓練困難問題。本文通過引入EM散度,提出了一種比K-Lipschitz約束更加寬松的約束條件,對SRGAN存在的這些問題進行了優(yōu)化,最后通過實驗證明SRGAN-EM模型具有更優(yōu)越的性能。2、本文利用SRGAN-EM,結合R-FCN設計了一個新的擁有兩級人臉分類器的低分辨率人臉檢測模型。本文在R-FCN的固有網絡結構上,通過添加生成尺度更小的Anchors和使用Soft-NMS算法進行邊框回歸,降低了對小尺寸和重疊人臉區(qū)域的漏檢,對部分R-FCN網絡中無法分類的低分辨率樣本進行超分辨率重建再分類,提高了對低分辨率人臉的檢測能力。通過在Wider Face與SFD模型和原始R-FCN模型在數據集上的對照實驗表明,本文提出的低分辨率人臉檢測系統(tǒng)對低分辨率人臉有更好的檢測能力,并且對人臉區(qū)域分辨率的魯棒性更強。
【圖文】：

圖 2-1 人臉檢測示例像的低分辨率意味著待檢測圖像能夠提供的信息很少，常伴有大量噪大多數人臉檢測算法都是基于高分辨率輸入圖像設計的，低分辨率利用方法和工具也很少，這些因素使得低分辨率人臉的檢測一直是難點之一，相比于高分辨率人臉的檢測，低分辨率人臉檢測系統(tǒng)的性本概念像分辨率一般分為三個部分，即時間分辨率、色階分辨率和空間分辨率決定了視頻的輸出幀率，色階分辨率決定了圖像顯示色彩的豐滿而最后的空間分辨率則就是我們通常所說的分辨率，它指的是一張圖點的數量，決定了圖片的清晰度。

圖 2-1 人臉檢測示例圖像的低分辨率意味著待檢測圖像能夠提供的信息很少，常伴有大量噪聲絕大多數人臉檢測算法都是基于高分辨率輸入圖像設計的，低分辨率人可利用方法和工具也很少，這些因素使得低分辨率人臉的檢測一直是人的難點之一，相比于高分辨率人臉的檢測，低分辨率人臉檢測系統(tǒng)的性能。 基本概念圖像分辨率一般分為三個部分，即時間分辨率、色階分辨率和空間分辨率辨率決定了視頻的輸出幀率，色階分辨率決定了圖像顯示色彩的豐滿程，而最后的空間分辨率則就是我們通常所說的分辨率，它指的是一張圖片素點的數量，決定了圖片的清晰度。
【學位授予單位】：電子科技大學
【學位級別】：碩士
【學位授予年份】：2019
【分類號】：TP391.41;TP18

【相似文獻】

相關期刊論文 前10條

1 周旭東;陳曉紅;陳松燦;;半配對半監(jiān)督場景下的低分辨率人臉識別[J];計算機研究與發(fā)展;2012年11期

2 柳堅;Windows XP愛富不嫌貧——自己動手找回低分辨率設置[J];電腦應用文萃;2005年01期

3 徐建平,施進明;氣象衛(wèi)星低分辨率資料傳輸的數字化[J];氣象科技;2003年05期

4 李明;;衛(wèi)星云圖數字化處理系統(tǒng)[J];實驗技術與管理;1988年01期

5 ;綜合消息[J];國外空間動態(tài);1988年06期

6 倪漢培;GMS低分辨率云圖在1024×1024高分辨率顯示器上的實時偽彩色顯示[J];南京氣象學院學報;1989年03期

7 儲久良;袁寶華;;基于完備局部相位量化的低分辨率人臉識別[J];高技術通訊;2014年11期

8 張地;何家忠;彭宏;;低分辨率人臉序列的超分辨率重構識別[J];韶關學院學報;2007年06期

9 馬慧;孫萬春;汪煒瑋;程代娣;;基于低分辨率的人臉識別方法研究[J];計算機測量與控制;2019年03期

10 薛杉;朱虹;王婧;史靜;;低分辨率人臉圖像的迭代標簽傳播識別算法[J];模式識別與人工智能;2018年07期

相關會議論文 前10條

1 徐建平;;氣象衛(wèi)星低分辨率資料傳輸的數字化[A];中國空間科學學會空間探測專業(yè)委員會第十五次學術會議論文集[C];2002年

2 丁哲元;劉斌;韓大鵬;姚莉;;低分辨率視頻中空間目標特征計算方法研究[A];空天資源的可持續(xù)發(fā)展——第一屆中國空天安全會議論文集[C];2015年

3 郭佳子;張占月;;基于置信度的衛(wèi)星多分辨率建模與仿真[A];'2006系統(tǒng)仿真技術及其應用學術交流會論文集[C];2006年

4 馮大航;管魯陽;李曉東;鮑明;;高低分辨率功率譜匹配度估計的線譜檢測研究[A];泛在信息社會中的聲學——中國聲學學會2010年全國會員代表大會暨學術會議論文集[C];2010年

5 張玉萍;;基于低分辨率人臉識別系統(tǒng)的PCA算法分析[A];科技研究——2015科技產業(yè)發(fā)展與建設成就研討會論文集（上）[C];2015年

6 隋兵;;基于小波變換的低分辨率多光譜遙感圖像的數據融合[A];農業(yè)生態(tài)與衛(wèi)星遙感應用技術學術交流會論文摘要集[C];2006年

7 孫帥;劉偉濤;劉吉英;陳平形;;自適應目標定位在關聯成像中的應用[A];第十六屆全國量子光學學術報告會報告摘要集[C];2014年

8 汪力;葉樺;夏良正;;貝葉斯框架下的人的檢測[A];第七屆全國信息隱藏暨多媒體信息安全學術大會論文集[C];2007年

9 但尚銘;但玻;許輝熙;薛萬蓉;夏佳;;成都市城市演變對熱島效應的影響分析[A];第28屆中國氣象學會年會——S7城市氣象精細預報與服務[C];2011年

10 張曉哲;劉丹;趙凡;葉雪婷;;高分辨質譜成像技術及應用[A];第三屆全國質譜分析學術報告會摘要集[C];2017年

相關重要報紙文章 前10條

1 ;佳能噴墨打印機最新快遞[N];科技日報;2000年

2 周麗娟;驗證碼打敗了誰？[N];內蒙古日報(漢);2015年

3 本報記者 張巍巍;身臨其境看電視[N];科技日報;2012年

4 湖南 頭重腳輕;在WinXP下使用256色[N];電腦報;2002年

5 記者 周覓;TCL推出全球首臺5G＋8K電視[N];惠州日報;2019年

6 本報記者 龔丹韻;有必要對《阿凡達》頂禮膜拜嗎[N];解放日報;2010年

7 本報記者 張楠;從藝術家的角度詮釋4K[N];中國計算機報;2014年

8 趙艷秋;TI最高速度16位ADC發(fā)布[N];中國電子報;2008年

9 ;CNN神秘的“檔案”[N];網絡世界;2002年

10 賽迪顧問股份有限公司 呂天文;2010年銷售量有望突破百萬臺[N];中國計算機報;2006年

相關博士學位論文 前3條

1 熊志偉;基于范例的高性能圖像超分辨率[D];中國科學技術大學;2011年

2 周旭東;基于不同多視圖數據場景的典型相關分析研究和應用[D];南京航空航天大學;2013年

3 朱小柯;行人重識別關鍵匹配技術研究[D];武漢大學;2017年

相關碩士學位論文 前10條

1 沈曉峰;低分辨率下小物體檢測技術研究[D];電子科技大學;2019年

2 劉意文;基于深度學習的低分辨率人臉檢測算法研究[D];電子科技大學;2019年

3 劉儀;基于卷積神經網絡的低分辨率細胞圖像分割算法研究[D];西安理工大學;2019年

4 趙迪;人臉幻想研究[D];山東大學;2019年

5 張悅;具有姿態(tài)和光照魯棒性的低分辨率人臉識別算法[D];吉林大學;2018年

6 劉操鋼;基于深度學習的低分辨率人臉識別[D];哈爾濱工程大學;2018年

7 姜亞東;基于卷積神經網絡的低分辨率行人與人臉檢測和識別研究[D];電子科技大學;2018年

8 周猛;大規(guī)模MIMO中繼協(xié)作方案設計及性能研究[D];西北師范大學;2018年

9 陳南真;復雜場景低分辨率人臉識別及其在身份識別系統(tǒng)的應用[D];電子科技大學;2018年

10 張一凡;低分辨率條件下的人臉識別算法研究[D];電子科技大學;2018年

，

本文編號：2591457