本文關(guān)鍵詞：異質(zhì)人臉識別理論與方法研究　出處：《哈爾濱理工大學(xué)》2017年碩士論文　論文類型：學(xué)位論文

  更多相關(guān)文章： 異質(zhì)人臉識別 深度學(xué)習(xí) 卷積神經(jīng)網(wǎng)絡(luò) 遷移學(xué)習(xí)

【摘要】：人臉識別作為生物特征識別的一種,因其非接觸和非強(qiáng)制的特點(diǎn),在支付、安防、門禁等各種身份認(rèn)證系統(tǒng)中具有重要應(yīng)用。人臉識別不需要識別對象的主動配合,因此應(yīng)用十分方便,且準(zhǔn)確性較高,發(fā)展和應(yīng)用前景廣闊。隨著特定應(yīng)用場景的逐漸顯現(xiàn),待匹配的人臉圖像將來源于普通照相機(jī)以外的其他模態(tài),如素描圖、近紅外圖像、三維人臉數(shù)據(jù)、熱紅外圖像、低分辨率圖像等,而注冊庫中的人臉圖像常常是在可見光模態(tài)下獲取的。非可見光模態(tài)的人臉圖像與可見光模態(tài)人臉圖像的匹配過程,稱為異質(zhì)人臉識別,成為本文的主要研究任務(wù)。異質(zhì)人臉識別算法有兩大瓶頸,其一是模態(tài)間不同的數(shù)據(jù)分布使得它們的特征空間存在較大的鴻溝,從而使傳統(tǒng)的識別算法失效;其二是現(xiàn)存的異質(zhì)人臉圖像數(shù)據(jù)庫數(shù)據(jù)量非常有限,易使機(jī)器學(xué)習(xí)算法,尤其是當(dāng)前性能較好的深度學(xué)習(xí)算法產(chǎn)生很大程度的過擬合問題。針對這兩個難題,本文提出了以下方法:本文提出了一種深度遷移學(xué)習(xí)方法來解決異質(zhì)人臉識別中的模態(tài)差異及過擬合問題。首先,本文使用了一種基于序級測量方法的深度遷移卷積神經(jīng)網(wǎng)絡(luò)(CNN),序級激活函數(shù)MFM(Max-Feature-Map)潛在地增強(qiáng)了CNN對異質(zhì)變化的魯棒性;其次,利用大規(guī)模的可見光人臉數(shù)據(jù)庫對神經(jīng)網(wǎng)絡(luò)進(jìn)行預(yù)訓(xùn)練,使得神經(jīng)網(wǎng)絡(luò)能夠提取一般的人臉特征,為異質(zhì)數(shù)據(jù)的訓(xùn)練提供先驗(yàn);最后,用可見光和近紅外域的照片來精調(diào)預(yù)訓(xùn)練好的深度模型:為了增大訓(xùn)練數(shù)據(jù),采取了一種三元組的策略將來自可見光域和非可見光域的人臉數(shù)據(jù)進(jìn)行配組,并提出了兩種跨域的三元組損失,來約束類內(nèi)和類間距離,使得小樣本的數(shù)據(jù)庫在深度模型上的學(xué)習(xí)過程成為可能�？偟膩碚f,本文提供了異質(zhì)人臉識別的最新進(jìn)展,包括相關(guān)的數(shù)據(jù)庫、研究方法、實(shí)驗(yàn)結(jié)果等,對存在的問題及未來的發(fā)展方向做出了討論。同時,提出一種深度遷移卷積神經(jīng)網(wǎng)絡(luò),能夠利用大規(guī)模的可見光人臉圖像的豐富信息為網(wǎng)絡(luò)提供先驗(yàn),同時利用創(chuàng)新的跨模態(tài)的三元組擴(kuò)展小規(guī)模的異質(zhì)數(shù)據(jù),提高了異質(zhì)人臉的識別水平。所提出的方法也能夠用于其他的異質(zhì)識別問題。
【學(xué)位授予單位】：哈爾濱理工大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2017
【分類號】：TP391.41

【相似文獻(xiàn)】

中國碩士學(xué)位論文全文數(shù)據(jù)庫 前1條

1 劉霄翔;異質(zhì)人臉識別理論與方法研究[D];哈爾濱理工大學(xué);2017年

，

本文編號：1314824