在嚴格受控環(huán)境下,人臉識別具有非強制性、易獲取性、易接受性等優(yōu)勢,在公共安全領域得到了廣泛應用。在實際應用中采集到的多是側臉圖像,導致人臉識別準確率大幅降低,難以滿足實際應用需求。因此,多角度人臉識別已成為一個研究熱點。本文主要研究基于深度學習的多角度人臉檢測與識別方法,設計并實現(xiàn)了多角度人臉檢測與識別軟件。具體工作如下:在人臉檢測方面,提出了基于ResNet和DenseNet的YOLOV2兩種人臉檢測方法。在人臉特征提取階段,第一種方法使用ResNet-50網(wǎng)絡作為人臉特征提取器,采用跨層連接的方式,在增加網(wǎng)絡深度的同時保證模型訓練的穩(wěn)定性。第二種方法使用DenseNet-201網(wǎng)絡作為人臉特征提取器,采用密集連接的方式,增強網(wǎng)絡對特征的利用率。在人臉檢測階段,采用錨點框預測人臉區(qū)域,使用不同尺度、比例先驗框進行人臉檢測,使得網(wǎng)絡能夠?qū)Σ煌螤畹娜四槍崿F(xiàn)精準預測。分別在CelebA和FDDB人臉數(shù)據(jù)集上對YOLOV2和本文提出的方法進行仿真實驗與性能測試,實驗結果表明,在CelebA數(shù)據(jù)集上,基于ResNet-50和DenseNet-201的YOLOV2人臉檢測方法比YOLOV2方法... 

【文章來源】：中國人民公安大學北京市

【文章頁數(shù)】：92 頁

【學位級別】：碩士

【部分圖文】：

Sigmoid激活函數(shù)圖

Tanh激活函數(shù)圖

ReLU激活函數(shù)圖


本文編號：3027801