本文關(guān)鍵詞：基于DCNN的人臉識別技術(shù)在身份驗證中的研究　出處：《鄭州大學(xué)》2017年碩士論文　論文類型：學(xué)位論文

  更多相關(guān)文章： DCNN 人臉識別 身份驗證 GoogLeNet-D 閾值判定

【摘要】：為了防范和查處招生考試中的替考舞弊行為,進(jìn)一步保證考試的公平、公正,基于對河南省招生辦公室現(xiàn)有的傳統(tǒng)身份驗證系統(tǒng)的分析,本文提出了基于DCNN的人臉識別技術(shù)在考生身份驗證中的解決方案,并重點研究了DCNN模型的優(yōu)化設(shè)計和閾值判定兩個關(guān)鍵問題。依托真實的高招考試考生數(shù)據(jù)集,通過對考生數(shù)據(jù)集的規(guī)模和特點以及實際應(yīng)用的分析,本文根據(jù)GoogLe Net的設(shè)計思想以及相關(guān)的DCNN優(yōu)化方法,設(shè)計了一種更具表達(dá)能力且適用的變形網(wǎng)絡(luò)結(jié)構(gòu)GoogLeNet-D(Deformation),該模型共有34層約8.9M可訓(xùn)練參數(shù),最終輸出128維向量作為考生的人臉特征向量。為了評估GoogLe Net-D模型并設(shè)定合理的閾值判斷考生是否為同一個人,本文鑒于考生數(shù)據(jù)集中正樣本數(shù)量遠(yuǎn)遠(yuǎn)大于負(fù)樣本數(shù)量的情況,在評估模型時直接采用真實的正樣本對,將人臉查找/分類的精準(zhǔn)率作為模型評估的依據(jù)。但采用該評估方法無法對閾值進(jìn)行判定,因此本文進(jìn)一步提出了一種直接、簡單有效的定量確定閾值的算法,能夠在計算精準(zhǔn)率的同時確定閾值。實驗表明,GoogLeNet-D具有良好的人臉特征表達(dá)能力,其使用2014年-2016年170萬考生共10,406,024張人臉數(shù)據(jù)做訓(xùn)練,在20萬考生1,022,031張人臉數(shù)據(jù)的測試集上取得了98.87%的人臉分類精準(zhǔn)率,并得出該模型的最佳閾值0.35,目前該模型已成功應(yīng)用于河南省高招考試及其他招生考試中。
[Abstract]:In order to prevent and investigate the fraud in the recruitment examination, and to ensure the fairness and fairness of the examination, based on the analysis of the existing traditional identity verification system of Henan enrollment Office. This paper proposes a solution of face recognition technology based on DCNN in examinee authentication. This paper focuses on the optimization design of DCNN model and the threshold decision. Relying on the real test data set, the paper analyzes the scale and characteristics of the test data set and its practical application. In this paper, according to the design idea of GoogLe Net and the related DCNN optimization method. In this paper, a more expressive and applicable textured network structure, Google LeNet-Dwe design, is designed. The model has about 8.9m trainable parameters in 34 layers. In order to evaluate the GoogLe Net-D model and set a reasonable threshold to judge whether the examinee is the same person. In view of the fact that the number of positive samples in the examinee data set is much larger than the number of negative samples, the real positive sample pairs are directly used in the evaluation of the model. The accuracy rate of face search / classification is taken as the basis of model evaluation, but the threshold can not be determined by this evaluation method. Therefore, this paper further proposes a direct, simple and effective algorithm for quantitative determination of threshold. Experiments show that Google LeNet-D has good facial feature expression ability, which uses 10% of 1.7 million candidates from 2014 to 2016. 406,024 face data are trained, and 98.87% face classification accuracy rate is obtained on the test set of 1,022,031 face data for 200,000 examinees. The optimal threshold value of the model is 0.35, which has been successfully applied to the high enrollment examination and other enrollment examinations in Henan Province.
【學(xué)位授予單位】：鄭州大學(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)】

相關(guān)期刊論文 前10條

1 郝新華;;人臉識別技術(shù)在公安工作中的應(yīng)用[J];中國公共安全(綜合版);2006年08期

2 鄧輝;梁昔明;;身份認(rèn)證中的人臉識別技術(shù)[J];湘潭師范學(xué)院學(xué)報(自然科學(xué)版);2007年03期

3 蘇光大;;人臉識別技術(shù)之應(yīng)用問題談[J];中國安防;2008年07期

4 孫茜;;淺談人臉識別技術(shù)[J];科技資訊;2009年08期

5 王慶;;淺談計算機(jī)人臉識別技術(shù)[J];重慶工貿(mào)職業(yè)技術(shù)學(xué)院學(xué)報;2009年02期

6 錢鋒;;淺談人臉識別技術(shù)的現(xiàn)狀與應(yīng)用[J];信息與電腦(理論版);2009年11期

7 賈川;;淺談人臉識別技術(shù)應(yīng)用及發(fā)展趨勢[J];中國安防;2010年03期

8 ;中科院自動化所人臉識別技術(shù)服務(wù)世博會安保工作[J];自動化與儀表;2010年08期

9 侯鯤;賈隆嘉;王赫寧;;人臉識別技術(shù)的現(xiàn)狀和發(fā)展趨勢[J];科協(xié)論壇(下半月);2010年11期

10 李倩;;人臉識別技術(shù)及應(yīng)用[J];黑龍江科技信息;2011年01期

相關(guān)會議論文 前8條

1 陳霞;吳瓏;樊進(jìn);譚守標(biāo);;人臉識別技術(shù)綜述[A];中國儀器儀表學(xué)會第十二屆青年學(xué)術(shù)會議論文集[C];2010年

2 薛為民;林本敬;;基于身份驗證的無線網(wǎng)絡(luò)安全研究[A];全國計算機(jī)安全學(xué)術(shù)交流會論文集（第二十三卷）[C];2008年

3 張大鵬;李偉英;湯顯;陳寶峰;;基于小波和神經(jīng)網(wǎng)絡(luò)的人臉識別技術(shù)[A];2005年全國理論計算機(jī)科學(xué)學(xué)術(shù)年會論文集[C];2005年

4 徐茜亮;霍振龍;;人臉識別技術(shù)在礦井人員管理系統(tǒng)中的研究與應(yīng)用[A];第23屆全國煤礦自動化與信息化學(xué)術(shù)會議暨第5屆中國煤礦信息化與自動化高層論壇論文集[C];2013年

5 孫朋;劉黨輝;肖艷青;;基于嵌入式系統(tǒng)的人臉識別技術(shù)研究進(jìn)展[A];第七屆全國信息獲取與處理學(xué)術(shù)會議論文集[C];2009年

6 李司鐸;張錦;陳南國;朱尚武;;TCM在人臉識別技術(shù)中的應(yīng)用研究[A];2009年中國智能自動化會議論文集（第三分冊）[C];2009年

7 楊飚;;去同步攻擊的檢測與動態(tài)共享機(jī)密的安全協(xié)議[A];四川省通信學(xué)會2013年學(xué)術(shù)年會論文集[C];2013年

8 李祥寶;;人臉識別發(fā)展分析[A];中南六�。▍^(qū)）自動化學(xué)會第24屆學(xué)術(shù)年會會議論文集[C];2006年

相關(guān)重要報紙文章 前10條

1 本報記者 張懿;打拐：人臉識別技術(shù)“亮劍”[N];文匯報;2011年

2 謝旭東;人臉識別技術(shù)的應(yīng)用[N];人民日報;2011年

3 記者 張亦筑;我市在人臉識別技術(shù)上取得重大突破[N];重慶日報;2014年

4 北京數(shù)字奧森科技有限公司 沈偉;人臉識別技術(shù)與應(yīng)用[N];計算機(jī)世界;2008年

5 陳進(jìn)文;我國人臉識別技術(shù)取得突破[N];人民郵電;2009年

6 記者 侯鐵中;視頻監(jiān)控人臉識別技術(shù)獲新進(jìn)展[N];科技日報;2013年

7 本報記者 孫奇茹;“87后”研出全球最精準(zhǔn)人臉識別技術(shù)[N];北京日報;2014年

8 本報記者 單憬崗 通訊員 張舒童 王曉燕;便民服務(wù)，�？诟母镞M(jìn)行時……[N];海南日報;2014年

9 光明;人臉識別技術(shù)應(yīng)用奧運(yùn)開幕式[N];中國改革報;2008年

10 本報記者 徐紅　通訊員 王亮;人臉識別技術(shù)運(yùn)用領(lǐng)域廣泛[N];經(jīng)濟(jì)日報;2010年

相關(guān)博士學(xué)位論文 前10條

1 劉小華;人臉識別技術(shù)及其應(yīng)用研究[D];吉林大學(xué);2005年

2 許高鳳;人臉識別技術(shù)及其在場館門禁系統(tǒng)中的應(yīng)用研究[D];哈爾濱工程大學(xué);2009年

3 朱長仁;復(fù)雜背景下的多姿態(tài)人臉識別技術(shù)研究[D];國防科學(xué)技術(shù)大學(xué);2001年

4 周德龍;人臉識別技術(shù)研究[D];西北工業(yè)大學(xué);2000年

5 劉小軍;人臉識別技術(shù)研究[D];中國科學(xué)院電子學(xué)研究所;2001年

6 蘇宏濤;基于統(tǒng)計特征的人臉識別技術(shù)研究[D];西北工業(yè)大學(xué);2004年

7 廖頻;基于統(tǒng)一概率模型的人臉識別技術(shù)[D];中國科學(xué)院研究生院（計算技術(shù)研究所）;2003年

8 劉曉山;光照變化條件下人臉識別技術(shù)研究[D];華南理工大學(xué);2011年

9 吳克難;信息安全中的光學(xué)加密和驗證技術(shù)研究[D];大連理工大學(xué);2009年

10 李外云;基于ARM架構(gòu)的嵌入式人臉識別技術(shù)研究[D];華東師范大學(xué);2008年

相關(guān)碩士學(xué)位論文 前10條

1 景晨凱;基于DCNN的人臉識別技術(shù)在身份驗證中的研究[D];鄭州大學(xué);2017年

2 李瑋;基于人臉識別的遠(yuǎn)程認(rèn)證系統(tǒng)的研究與設(shè)計[D];內(nèi)蒙古大學(xué);2015年

3 王海峰;基于SIFT算法的多視角人臉識別技術(shù)的優(yōu)化[D];華北電力大學(xué);2015年

4 商玉高;基于iOS平臺的人臉檢測與識別研究[D];大連海事大學(xué);2015年

5 隋欣;基于魯棒子空間學(xué)習(xí)的人臉識別技術(shù)[D];電子科技大學(xué);2015年

6 曹海燕;基于幾何特征的人臉識別算法研究[D];曲阜師范大學(xué);2015年

7 童佳;基于壓縮感知理論的人臉識別[D];電子科技大學(xué);2014年

8 郝翠翠;基于人臉識別的尋人系統(tǒng)設(shè)計與實現(xiàn)[D];大連理工大學(xué);2015年

9 何林知;基于低秩表征的人臉識別技術(shù)研究[D];浙江師范大學(xué);2015年

10 黃燕琪;人臉識別中特征提取算法的研究及應(yīng)用[D];南昌航空大學(xué);2015年

，

本文編號：1418474