發(fā)布時間：2021-07-20 07:01

　　隨著我國經(jīng)濟社會的不斷發(fā)展,越來越多的流動人口涌入城市就業(yè)、工作和居住,城市活力不斷增強,同時也給社會治安管理造成了負擔。如果流動人口得不到有效的監(jiān)控和管理,會成為滋生違法犯罪的溫床。旅館和網(wǎng)吧是流動人口活動頻繁的區(qū)域,也容易成為犯罪分子的藏匿場所,公安部門依法落實場所實名制登記制度,有助于加強社會治安管理和打擊犯罪。但目前,少量網(wǎng)吧和旅館的經(jīng)營者由于利益驅(qū)動,不能認真落實身份證實名登記,存在冒用,借用和一卡多用的問題。個人身份信息的缺失將會造成管理失控,無法與逃犯數(shù)據(jù)庫實現(xiàn)有效碰撞比對,存在相當大的治安風險,而僅僅依賴公安干警的巡查,會給警力造成嚴重負擔。隨著深度學習的迅猛發(fā)展,基于卷積神經(jīng)網(wǎng)絡（CNN）的人臉識別系統(tǒng),因其高準確性、魯棒性和便捷性的特點,在公共安全和金融支付等領(lǐng)域得到廣泛的應用。在實名制登記的場景中,最突出的需求是比對現(xiàn)場人臉照片和身份證中電子照的一致性,但兩者之間普遍存在的年齡變化,像素質(zhì)量、發(fā)型光照的巨大差異,給人臉驗證系統(tǒng)的準確性帶來了嚴重挑戰(zhàn)。在這種前提下,研究改進CNN以提高準確率的方法,探索人臉識別在實名登記中的應用,對依法有效落實場所實名制登記制度具有... 

【文章來源】：湖北工業(yè)大學湖北省

【文章頁數(shù)】：47 頁

【學位級別】：碩士

【文章目錄】：
摘要
Abstract
第1章 引言
    1.1 課題背景與意義
    1.2 國內(nèi)外研究現(xiàn)狀
        1.2.1 人臉檢測研究現(xiàn)狀
        1.2.2 人臉識別研究現(xiàn)狀
    1.3 主要工作及創(chuàng)新點
    1.4 論文組織和結(jié)構(gòu)
第2章 人臉識別相關(guān)算法
    2.1 深度卷積神經(jīng)網(wǎng)絡
        2.1.1 卷積神經(jīng)網(wǎng)絡
        2.1.2 梯度下降算法
        2.1.3 反向傳播算法
    2.2 MTCNN檢測器
    2.3 人臉仿射對齊
第3章 卷積神經(jīng)網(wǎng)絡及改進
    3.1 基礎分類模型
    3.2 通道池化
        3.2.1 普通池化
        3.2.2 通道池化
    3.3 余弦損失函數(shù)
        3.3.1 Softmax損失函數(shù)
        3.3.2 余弦損失函數(shù)
    3.4 特征融合與降維
        3.4.1 鏡像融合
        3.4.2 PCA降維
    3.5 實驗設置與細節(jié)
        3.5.1 實驗環(huán)境與訓練數(shù)據(jù)
        3.5.2 數(shù)據(jù)清洗與模型訓練
        3.5.3 性能評估方法
        3.5.4 實驗結(jié)果分析
第4章 身份證人臉驗證系統(tǒng)
    4.1 系統(tǒng)設計
        4.1.1 系統(tǒng)軟硬件環(huán)境
        4.1.2 系統(tǒng)邏輯流程圖
    4.2 功能測試展示
        4.2.1 登記成功截圖
        4.2.2 登記成功截圖
第5章 總結(jié)與展望
參考文獻
致謝


【參考文獻】：
期刊論文
[1]機器學習:現(xiàn)在與未來[J]. 王威廉.  科技導報. 2016(07)
[2]卷積神經(jīng)網(wǎng)絡分類模型在模式識別中的新進展[J]. 胡正平,陳俊嶺,王蒙,趙淑歡.  燕山大學學報. 2015(04)
[3]圖像物體分類與檢測算法綜述[J]. 黃凱奇,任偉強,譚鐵牛.  計算機學報. 2014(06)
[4]基于深度網(wǎng)絡的圖像處理的研究[J]. 朱明,武妍.  電子技術(shù)與軟件工程. 2014(05)
[5]深度學習的昨天、今天和明天[J]. 余凱,賈磊,陳雨強,徐偉.  計算機研究與發(fā)展. 2013(09)
[6]深度學習研究綜述[J]. 孫志軍,薛磊,許陽明,王正.  計算機應用研究. 2012(08)
[7]采用LBP金字塔的人臉描述與識別[J]. 王瑋,黃非非,李見為,馮海亮.  計算機輔助設計與圖形學學報. 2009(01)
[8]一種新穎的核學習算法用于小波特征的人臉識別[J]. 周曉飛,姜文瀚,楊靜宇.  計算機科學. 2007(05)
[9]基于離散度準則的人臉局部特征權(quán)值學習算法[J]. 李云峰,歐宗瑛.  哈爾濱工業(yè)大學學報. 2006(09)
[10]基于Gabor小波和二維主元分析的人臉識別[J]. 馬曉燕,楊國勝,范秋鳳,王應軍.  計算機工程與應用. 2006(10)



本文編號：3292377