隨著人工智能產(chǎn)業(yè)的發(fā)展,計(jì)算機(jī)視覺在人們的生活和各種行業(yè)中占據(jù)了越來(lái)越重要的地位,大面積應(yīng)用于交通出行、平安城市、無(wú)人機(jī)、金融服務(wù)和機(jī)器人等場(chǎng)景中。其中,視頻中人臉識(shí)別技術(shù)是計(jì)算機(jī)視覺領(lǐng)域的一個(gè)核心研究問題。目前,靜態(tài)圖像中的人臉識(shí)別技術(shù)已經(jīng)逐漸成熟,準(zhǔn)確率也比較高,但是將其應(yīng)用于視頻中的人臉識(shí)別時(shí),算法的時(shí)效性比較差,無(wú)法滿足視頻中人臉的實(shí)時(shí)識(shí)別需求。針對(duì)視頻中人臉的實(shí)時(shí)識(shí)別需求,本文基于Caffe框架,在LFW和YTF公開人臉數(shù)據(jù)集及攝像頭拍攝的視頻數(shù)據(jù)集上,提出了一種基于深度學(xué)習(xí)的人臉識(shí)別框架,并針對(duì)其準(zhǔn)確率和時(shí)效性問題進(jìn)行了持續(xù)改進(jìn)。主要工作如下:1、提出了一種基于深度學(xué)習(xí)的人臉識(shí)別框架FR-DL,集成了 MTCNN人臉檢測(cè)、仿射變換人臉對(duì)齊、lightened CNN人臉特征提取和余弦距離人臉匹配等。2、將視覺跟蹤引入到FR-DL中,提出了一種基于視覺跟蹤的實(shí)時(shí)視頻人臉識(shí)別框架RFRV-VT�？蚣軐⒁曨l進(jìn)行分組識(shí)別,組內(nèi)實(shí)現(xiàn)人臉識(shí)別和人臉跟蹤,組間采用雙重匹配實(shí)現(xiàn)人臉信息連接。為了進(jìn)一步提高RFRV-VT的時(shí)效性,將哈希索引引入到人臉匹配中,把人臉特征轉(zhuǎn)換為哈希特征,并采用兩... 

【文章來(lái)源】：廈門大學(xué)福建省 211工程院校 985工程院校 教育部直屬院校

【文章頁(yè)數(shù)】：90 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

圖１－１：?ＬＦＷ數(shù)據(jù)集上各算法準(zhǔn)確率比較??

ｌｉ＾ｉｉ?．ｐｉ?Ｉ??Ｌｍｍｍ??圖１－３：視頻數(shù)據(jù)中的模糊、遮擋和姿態(tài)變化??當(dāng)前大多數(shù)視頻中人臉識(shí)別方法是將視頻分成一幀幀圖像，然后采用靜態(tài)??圖像的識(shí)別技術(shù)進(jìn)行人臉檢測(cè)分析，能夠有限程度上解決視頻中的人臉識(shí)別問??題，但是它們還普遍存在著以下問題：??１、

０?０．１?０．２?０．３?０．４?０．５?０．６?０．７?０．８?０．９?１??ｆａｌｓｅ?ｐｏｓｉｔｉｖｅ?ｒａｔｅ??圖１－２：?ＹＴＦ數(shù)據(jù)集準(zhǔn)確率比較??ｌｉ＾ｉｉ?．ｐｉ?Ｉ??Ｌｍｍｍ??圖１－３：視頻數(shù)據(jù)中的模糊、遮擋和姿態(tài)變化??當(dāng)前大多數(shù)視頻中人臉識(shí)別方法是將視頻分成一幀幀圖像，然后采用靜態(tài)??圖像的識(shí)別技術(shù)進(jìn)行人臉檢測(cè)分析，能夠有限程度上解決視頻中的人臉識(shí)別問??題，但是它們還普遍存在著以下問題：??１、


本文編號(hào)：3043763