人臉識別從十九世紀五六十年代提出并發(fā)展至今,已成功成為生物特征識別中最突出、最廣泛用于驗證身份信息的識別技術(shù)。人臉識別技術(shù)隸屬于計算機視覺和圖像處理領(lǐng)域的交叉研究學(xué)科,具有廣闊的應(yīng)用前景,且非常滿足實際應(yīng)用需求。人臉識別技術(shù)作為生物特征識別技術(shù)的一種,由于其在應(yīng)用場合中,與其他識別技術(shù)相較而言,對群眾具有便利性、非接觸性和不易察覺性等優(yōu)點,近些年受到高校研究人員和相關(guān)企業(yè)的重點關(guān)注及研究。在如今技術(shù)推動下,可控環(huán)境和用戶配合條件下,人臉識別系統(tǒng)能夠取得較好的識別率,然而隨著人臉識別技術(shù)在實際應(yīng)用中的廣泛使用,人臉圖像往往容易受到面部姿態(tài)變化和遮擋的影響,給傳統(tǒng)人臉識別研究帶來了嚴峻的挑戰(zhàn)。困難其一在于面部姿態(tài)變化、遮擋等復(fù)雜的面部會使面部五官特征信息缺失,提取不到滿足識別的特征信息;其二是由于目前數(shù)據(jù)庫中大姿態(tài)變化、遮擋的人臉圖像數(shù)量缺乏,也沒有專用的數(shù)據(jù)庫來用于復(fù)雜面部識別。上面已說明本文主要針對實際圖像中具有大姿態(tài)變化、遮擋等訓(xùn)練樣本不足的問題,提出了構(gòu)造虛擬樣本,并結(jié)合深度學(xué)習可以提取深層特征信息的優(yōu)勢,來實現(xiàn)復(fù)雜人臉識別實驗�；诤Ａ繑�(shù)據(jù)的深度學(xué)習的基礎(chǔ)上,主要有兩方面針對當前... 

【文章來源】：伊犁師范大學(xué)新疆維吾爾自治區(qū)

【文章頁數(shù)】：68 頁

【學(xué)位級別】：碩士

【部分圖文】：

五種主流生物特征識別展示

蟆?irza等[17]提出CGAN是在原始GANs的基礎(chǔ)上引入了額外的標簽信息c，它是從隨機噪聲向量中分出一部分來引導(dǎo)網(wǎng)絡(luò)有目標的生成所需的圖像，然后在生成網(wǎng)絡(luò)和判別網(wǎng)絡(luò)中都加入訓(xùn)練圖像所對應(yīng)的標簽，使得網(wǎng)絡(luò)具備監(jiān)督形式。通過后期實驗和其他研究人員文章對比，發(fā)現(xiàn)CGAN在生成圖像中，依然會遭受到輸入噪聲的影響，本文所需要的虛擬樣本是僅面部屬性發(fā)生變化，其余部分不發(fā)生改變，仍分類為同一人，并為樣本缺乏問題及提高復(fù)雜面部的識別帶來實質(zhì)性的解決效益，這個在3.4節(jié)中會進行詳細說明。本論文技術(shù)規(guī)劃過程如下：圖1-2：全文技術(shù)路線規(guī)劃圖1.5論文組織結(jié)構(gòu)本文的組織結(jié)構(gòu)如下：第一章：緒論。在這一章，詳細介紹了課題的研究背景，分別介紹了傳統(tǒng)人臉識別和復(fù)雜情形下人臉識別的研究現(xiàn)狀，闡述了復(fù)雜人臉識別對實際應(yīng)用場景的重要意義，并且指出了當前復(fù)雜情況下人臉識別技術(shù)仍存在的問題，詳細介紹了論文的主要研究內(nèi)容，對論文整體組織結(jié)構(gòu)進行完整說明。第二章：介紹了大姿態(tài)變化、遮擋復(fù)雜面部識別的方法。在這一章，首先介紹了人臉識別的框架，詳細描述人臉識別四個步驟：人臉圖像采集及檢測、人臉圖像預(yù)處理、人臉圖像特征提取以及匹配與識別。其次分別詳細介紹了傳統(tǒng)面部識別技術(shù)和復(fù)雜面部

基于虛擬樣本生成的復(fù)雜面部識別研究11第二章復(fù)雜面部識別相關(guān)技術(shù)研究方法人臉識別的概念早在1888年就被一名法國研究人員Galton[39]提出，在文章詳細描述了如何使用人臉識別來確定身份，然而真正開始進行人臉識別技術(shù)是在1965年，Chan和Bledsoe[40]在PanoramicResearchInc上發(fā)表了第一篇人臉識別技術(shù)論文，人臉識別技術(shù)已發(fā)展了大半個世紀之久，而且隨著計算機硬件性能的提升和軟件的開發(fā)，使得人臉識別技術(shù)也得到了井噴式的發(fā)展。目前人臉識別技術(shù)被應(yīng)用于許多場合，在人們生活中也越來越被了解和使用，例如手機的面部解鎖、刷臉支付、進出口人證驗證以及安防監(jiān)控中疑犯追蹤等。但是在取得長足進步的同時也面臨一些實際問題的困擾，人臉的表情變化、年齡變化、光照變化、姿態(tài)變化和面部遮擋都會在識別過程中造成不可避免的錯誤，這種因素下的識別統(tǒng)稱為復(fù)雜人臉識別。深度學(xué)習可以學(xué)習圖像的深層特征、表達能力強，能夠在大規(guī)模訓(xùn)練數(shù)據(jù)上獲得更佳的成果，為復(fù)雜情形下的人臉識別提供了有效解決辦法和新的思路。2.1人臉識別過程無論是哪一種方法，人臉識別技術(shù)總要經(jīng)過四個步驟：人臉圖像數(shù)據(jù)采集、圖像預(yù)處理、圖像特征提取以及對比與識別[1、4、10]。圖2-1：人臉識別技術(shù)框架（一）人臉圖像采集：獲取二維人臉圖像是人臉識別技術(shù)中重要的步驟，得到樣本

【參考文獻】：
期刊論文
[1]基于卷積神經(jīng)網(wǎng)絡(luò)的掌紋識別[J]. 陳杰,張雷,張睿,解丹,閆耀東,葉子維,柴鈺杰.  軟件工程. 2019(10)
[2]數(shù)字聲紋在身份識別方面的應(yīng)用探究[J]. 崔永波,韓鵬鵬.  電子世界. 2019(10)
[3]人臉識別技術(shù)在人像鑒定中的應(yīng)用研究[J]. 曾錦華,施少培,卞新偉,邱秀蓮.  中國司法鑒定. 2019(02)
[4]基于條件深度卷積生成對抗網(wǎng)絡(luò)的圖像識別方法[J]. 唐賢倫,杜一銘,劉雨微,李佳歆,馬藝瑋.  自動化學(xué)報. 2018(05)
[5]非受限條件下多級殘差網(wǎng)絡(luò)人臉圖像年齡估計[J]. 張珂,高策,郭麗茹,苑津莎,趙振兵,李保罡.  計算機輔助設(shè)計與圖形學(xué)學(xué)報. 2018(02)
[6]基于人臉識別的大數(shù)據(jù)分析技戰(zhàn)法[J]. 劉冬.  通訊世界. 2017(14)
[7]大數(shù)據(jù)與深度學(xué)習綜述[J]. 馬世龍,烏尼日其其格,李小平.  智能系統(tǒng)學(xué)報. 2016(06)
[8]基于AdaBoost算法的人臉識別系統(tǒng)的研究與實現(xiàn)[J]. 馬博宇,尉寅瑋.  儀器儀表學(xué)報. 2016(S1)
[9]從圖靈測試到深度學(xué)習:人工智能60年[J]. 萬赟.  科技導(dǎo)報. 2016(07)
[10]多姿態(tài)人臉識別綜述[J]. 鄒國鋒,傅桂霞,李海濤,高明亮,王科俊.  模式識別與人工智能. 2015(07)

博士論文
[1]圖像特征提取方法及其在人臉識別中的應(yīng)用[D]. 李勇智.南京理工大學(xué) 2009



本文編號：3497274