隨著人工智能技術(shù)的興起和深度學(xué)習(xí)的迅猛發(fā)展,計(jì)算機(jī)視覺(jué)和模式識(shí)別領(lǐng)域成為了更加熱門的研究領(lǐng)域,人臉識(shí)別技術(shù)在安防、教育、交通等方面有廣泛應(yīng)用。由于單一的人臉識(shí)別方法無(wú)法提供更豐富的頭部信息,在存在遮擋、光線復(fù)雜環(huán)境等情況下,無(wú)法準(zhǔn)確檢測(cè)和識(shí)別,結(jié)合頭部姿態(tài)的生物信息特征識(shí)別成了模式識(shí)別領(lǐng)域的研究熱點(diǎn)。頭部姿態(tài)估計(jì)研究的是計(jì)算出給定的視頻或者圖像中頭部相對(duì)于相機(jī)的三個(gè)方位:仰俯角（pitch）、偏航角（yaw）和翻滾角（roll）。傳統(tǒng)的頭部姿態(tài)估計(jì)方法受自然環(huán)境因素影響,在復(fù)雜光照、局部遮擋等情況容易產(chǎn)生較大的誤差。本文采用深度學(xué)習(xí)以及目標(biāo)檢測(cè)方法對(duì)頭部姿態(tài)估計(jì)的算法進(jìn)行研究和改進(jìn),主要工作包含下面三方面的內(nèi)容:論述了卷積神經(jīng)網(wǎng)絡(luò)以及深度學(xué)習(xí)的原理、頭部姿態(tài)估計(jì)整體流程以及常用的檢測(cè)算法,包括人臉檢測(cè)、人臉對(duì)齊和相機(jī)標(biāo)注。同時(shí),包括目標(biāo)檢測(cè)算法在人臉檢測(cè)上兩個(gè)改進(jìn)方法的應(yīng)用,以及后續(xù)的頭部姿態(tài)解算原理。改進(jìn)了一種多損失頭部姿態(tài)估計(jì)方法。該方法主要利用更加深入的深度殘差網(wǎng)絡(luò)RestNet101進(jìn)行特征提取,在訓(xùn)練階段使用AdaBound算法進(jìn)行梯度優(yōu)化,最后進(jìn)行多損失計(jì)算,用于細(xì)分類得到... 

【文章來(lái)源】：西北師范大學(xué)甘肅省

【文章頁(yè)數(shù)】：76 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

MTCNN人臉檢測(cè)結(jié)果

第3章頭部姿態(tài)估計(jì)原理25對(duì)建議對(duì)象進(jìn)行優(yōu)化。由于使用了卷積層的共享機(jī)制，算法可以利用較深的網(wǎng)絡(luò)來(lái)生成高質(zhì)量的區(qū)域建議。針對(duì)該算法，本章節(jié)設(shè)計(jì)并實(shí)現(xiàn)了在FasterR-CNN算法上的人臉檢測(cè)實(shí)驗(yàn)，重新設(shè)計(jì)參數(shù)和針對(duì)人臉的訓(xùn)練方法，調(diào)整錨點(diǎn)檢測(cè)的尺度，使之更適應(yīng)小目標(biāo)檢測(cè)，其他原理類似于FasterR-CNN算法。實(shí)驗(yàn)結(jié)果圖如下圖3-9所示，在多人面部檢測(cè)中的表現(xiàn)較好。圖3-9FasterR-CNN在多人臉檢測(cè)上的結(jié)果上圖3-9中是使用FasterR-CNN算法在多個(gè)人臉上的檢測(cè)結(jié)果，通過(guò)仿真實(shí)驗(yàn)發(fā)現(xiàn)，通過(guò)對(duì)錨點(diǎn)改進(jìn)，該算法對(duì)于小尺寸目標(biāo)效果較好，比如多人臉檢測(cè)，通常都是以小目標(biāo)在圖像中出現(xiàn)。3.2.2交并比和非極大值抑制交并比（IntersectionoverUnion，IOU）和非極大值抑制是（Non-MaximumSuppression，NMS）是目標(biāo)檢測(cè)框架中重要的概念。在目標(biāo)檢測(cè)評(píng)價(jià)指標(biāo)中，交并比用參數(shù)IoU表示，是模型得出的目標(biāo)窗口和標(biāo)簽窗口的重疊率。可以理解成檢測(cè)值(detectionresult)和真實(shí)值(GroundTruth)交集與二者并集的比例。如圖3-10所示，是交并比的示意圖。ABAB圖3-10交并比示意圖如上圖3-10所示，用矩形A表示檢測(cè)值，矩形B表示真實(shí)值，IoU定義就可

人臉關(guān)鍵點(diǎn)標(biāo)記圖

【參考文獻(xiàn)】：
期刊論文
[1]基于面部特征點(diǎn)定位的頭部姿態(tài)估計(jì)[J]. 閔秋莎,劉能,陳雅婷,王志鋒.  計(jì)算機(jī)工程. 2018(06)
[2]對(duì)張正友相機(jī)標(biāo)定法的改進(jìn)研究[J]. 劉艷,李騰飛.  光學(xué)技術(shù). 2014(06)

博士論文
[1]基于雙目視覺(jué)的三維重建關(guān)鍵技術(shù)研究[D]. 張展.中國(guó)科學(xué)院大學(xué)(中國(guó)科學(xué)院沈陽(yáng)計(jì)算技術(shù)研究所) 2019
[2]基于RGB-D數(shù)據(jù)的頭部姿態(tài)估計(jì)研究[D]. 李成龍.山東大學(xué) 2017

碩士論文
[1]基于深度卷積神經(jīng)網(wǎng)絡(luò)的人臉圖像分類應(yīng)用研究[D]. 曹戈.吉林大學(xué) 2019
[2]基于多尺度特征融合與方向邊界框預(yù)測(cè)的光學(xué)遙感圖像目標(biāo)檢測(cè)[D]. 陳小波.西安電子科技大學(xué) 2019
[3]基于卷積神經(jīng)網(wǎng)絡(luò)的粒子濾波跟蹤算法[D]. 高凱.大連理工大學(xué) 2019
[4]基于計(jì)算機(jī)視覺(jué)的頭部姿態(tài)檢測(cè)方法研究[D]. 趙明皓.電子科技大學(xué) 2018
[5]基于卡口監(jiān)控視頻的人臉特征點(diǎn)定位關(guān)鍵技術(shù)研究[D]. 豐慧芳.集美大學(xué) 2017
[6]基于自適應(yīng)三維人臉模型的實(shí)時(shí)頭部姿態(tài)估計(jì)[D]. 程科文.合肥工業(yè)大學(xué) 2016
[7]基于卷積神經(jīng)網(wǎng)絡(luò)的人臉識(shí)別研究[D]. 葉浪.東南大學(xué) 2015



本文編號(hào)：3433909