人臉識(shí)別技術(shù)是人工智能領(lǐng)域中非常重要的問題,也是當(dāng)前研究的熱門課題之一.本文主要針對(duì)在外部因素影響下,基于神經(jīng)網(wǎng)絡(luò)的人臉識(shí)別算法進(jìn)行研究,得出了具有魯棒性強(qiáng)且識(shí)別效率高的人臉識(shí)別方法.論文主要研究?jī)?nèi)容如下:（1）通過采用主成分分析對(duì)卷積神經(jīng)網(wǎng)絡(luò)中卷積核進(jìn)行初始化,降低卷積計(jì)算的復(fù)雜性,同時(shí)減少運(yùn)行時(shí)間.其次,采用改進(jìn)學(xué)習(xí)率的方法對(duì)卷積層權(quán)值更新進(jìn)行優(yōu)化.實(shí)驗(yàn)結(jié)果表明:優(yōu)化后的神經(jīng)網(wǎng)絡(luò)識(shí)別率明顯提高.（2）通過采用尺度歸一化和灰度歸一化的方法,對(duì)人臉數(shù)據(jù)集進(jìn)行預(yù)處理,實(shí)驗(yàn)結(jié)果表明:經(jīng)過對(duì)圖像數(shù)據(jù)歸一化處理后,明顯降低了光照對(duì)人臉識(shí)別的影響,從而更有利于提取人臉的特征.（3）提出了基于Sobel算子預(yù)處理的卷積神經(jīng)網(wǎng)絡(luò)人臉識(shí)別方法,然后將改進(jìn)的網(wǎng)絡(luò)與PCA、BP神經(jīng)網(wǎng)絡(luò)和傳統(tǒng)CNN的人臉識(shí)別方法進(jìn)行對(duì)比試驗(yàn),實(shí)驗(yàn)結(jié)果表明,改進(jìn)的網(wǎng)絡(luò)識(shí)別率明顯提高,識(shí)別效率明顯加快.圖17幅,表5個(gè),參考文獻(xiàn)52個(gè) 

【文章來源】：西安工程大學(xué)陜西省

【文章頁數(shù)】：44 頁

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
abstract
1 緒論
    1.1 研究背景及意義
    1.2 人臉識(shí)別的發(fā)展
    1.3 本文主要內(nèi)容
2 預(yù)備知識(shí)
    2.1 神經(jīng)網(wǎng)絡(luò)發(fā)展回顧
    2.2 卷積神經(jīng)網(wǎng)絡(luò)
3 基于PCA初始化的神經(jīng)網(wǎng)絡(luò)
    3.1 基于卷積神經(jīng)網(wǎng)絡(luò)的初始化
    3.2 卷積層權(quán)值的優(yōu)化
    3.3 實(shí)驗(yàn)分析
        3.3.1 數(shù)據(jù)集
        3.3.2 實(shí)驗(yàn)
    3.4 小結(jié)
4 人臉識(shí)別數(shù)據(jù)集的歸一化處理
    4.1 尺度歸一化
    4.2 灰度歸一化
        4.2.1 圖像均衡化算法
        4.2.2 改進(jìn)的均衡化算法
    4.3 小結(jié)
5 基于Sobel算子及改進(jìn)卷積神經(jīng)網(wǎng)絡(luò)的人臉識(shí)別
    5.1 傳統(tǒng)CNN網(wǎng)絡(luò)
    5.2 改進(jìn)的CNN網(wǎng)絡(luò)
        5.2.1 Sobel算子
        5.2.2 改進(jìn)卷積神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)
        5.2.3 激活函數(shù)優(yōu)化
    5.3 人臉數(shù)據(jù)集
    5.4 實(shí)驗(yàn)步驟
    5.5 實(shí)驗(yàn)結(jié)果分析
    5.6 小結(jié)
6 總結(jié)和研究展望
    6.1 總結(jié)
    6.2 展望
參考文獻(xiàn)
攻讀學(xué)位期間發(fā)表的學(xué)位論文
致謝


【參考文獻(xiàn)】：
期刊論文
[1]深度學(xué)習(xí)算法中卷積神經(jīng)網(wǎng)絡(luò)的概念綜述[J]. 李策,陳海霞,漢語,左勝甲,趙立剛.  電子測(cè)試. 2018(23)
[2]改進(jìn)卷積神經(jīng)網(wǎng)絡(luò)的語音情感識(shí)別方法[J]. 曾潤(rùn)華,張樹群.  應(yīng)用科學(xué)學(xué)報(bào). 2018(05)
[3]基于改進(jìn)SURF的視頻拼接算法[J]. 管增倫.  煤炭科學(xué)技術(shù). 2018(S2)
[4]基于BP神經(jīng)網(wǎng)絡(luò)的手寫數(shù)字識(shí)別及優(yōu)化方法[J]. 夏少杰,項(xiàng)鯤.  智能物聯(lián)技術(shù). 2018(01)
[5]激活函數(shù)在卷積神經(jīng)網(wǎng)絡(luò)中的對(duì)比研究[J]. 田娟,李英祥,李彤巖.  計(jì)算機(jī)系統(tǒng)應(yīng)用. 2018(07)
[6]ReLU激活函數(shù)優(yōu)化研究[J]. 蔣昂波,王維維.  傳感器與微系統(tǒng). 2018(02)
[7]一種基于分區(qū)均值的噪聲圖像優(yōu)化檢測(cè)算法[J]. 沈同平,高潔,方芳,王元茂.  紹興文理學(xué)院學(xué)報(bào)(自然科學(xué)). 2017(03)
[8]基于改進(jìn)激活函數(shù)的卷積神經(jīng)網(wǎng)絡(luò)研究[J]. 曲之琳,胡曉飛.  計(jì)算機(jī)技術(shù)與發(fā)展. 2017(12)
[9]基于形態(tài)濾波和Sobel算子的微鈣化簇邊緣檢測(cè)算法[J]. 鐘明霞.  計(jì)算機(jī)時(shí)代. 2017(03)
[10]初始化卷積神經(jīng)網(wǎng)絡(luò)的主成分洗牌方法[J]. 李玉鑑,沈成愷,楊紅麗,胡海鶴.  北京工業(yè)大學(xué)學(xué)報(bào). 2017(01)

博士論文
[1]人臉識(shí)別中若干關(guān)鍵問題的研究[D]. 山世光.中國(guó)科學(xué)院研究生院（計(jì)算技術(shù)研究所） 2004

碩士論文
[1]基于卷積神經(jīng)網(wǎng)絡(luò)的人臉面部表情識(shí)別方法研究[D]. 張璐璐.河北科技大學(xué) 2019
[2]基于卷積神經(jīng)網(wǎng)絡(luò)的人臉識(shí)別方法研究[D]. 趙天奇.大連理工大學(xué) 2018
[3]卷積神經(jīng)網(wǎng)絡(luò)權(quán)值初始化方法研究[D]. 沈成愷.北京工業(yè)大學(xué) 2017
[4]人臉五官定位算法研究[D]. 李彥君.中北大學(xué) 2013
[5]基于多分類器的人臉識(shí)別算法的研究與實(shí)現(xiàn)[D]. 鄭軼.東北大學(xué) 2008



本文編號(hào)：3422768