現(xiàn)在技術(shù)的飛速發(fā)展,人們的生活水平日益提高,對(duì)生活的質(zhì)量訴求也逐步提高。因此,人們追求生活的便利時(shí)也對(duì)安全有了新的要求。在新興技術(shù)中,人臉識(shí)別技術(shù)恰恰滿足了上述兩點(diǎn)的要求,同時(shí)人臉識(shí)別作為模式識(shí)別與人工智能領(lǐng)域的研究重點(diǎn),一直是熱門研究課題之一。綜上所述,對(duì)于人臉識(shí)別技術(shù)的應(yīng)用開發(fā)是十分有必要的研究課題。然而,當(dāng)今的人臉識(shí)別系統(tǒng)很多都是針對(duì)近距離的單人進(jìn)行人臉識(shí)別,這些傳統(tǒng)的人臉識(shí)別系統(tǒng)在應(yīng)對(duì)復(fù)雜環(huán)境下多種干擾因素,如遮擋、多角度側(cè)臉、背景光暗等抗干擾能力較弱,因此不能應(yīng)對(duì)現(xiàn)實(shí)需求。本文設(shè)計(jì)了一種能夠在多種干擾因素環(huán)境下基于深度學(xué)習(xí)的人臉識(shí)別系統(tǒng)解決了上述問題。為保證人臉識(shí)別系統(tǒng)在多種干擾因素環(huán)境下的人臉識(shí)別的識(shí)別率,本文設(shè)計(jì)的人臉識(shí)別系統(tǒng)是基于深度學(xué)習(xí)的方法。系統(tǒng)采用的深度學(xué)習(xí)框架是深度卷積神經(jīng)網(wǎng)絡(luò)Inception-ResNet-v1進(jìn)行人臉分類,在人臉檢測(cè)與跟蹤上,本文采用MTCNN網(wǎng)絡(luò)。通過圖像銳化和直方圖均衡化等圖像處理方法以提高分類部分的識(shí)別率。系統(tǒng)通過試驗(yàn)確定了相關(guān)參數(shù)并測(cè)試其性能相較于過去的卷積神經(jīng)網(wǎng)絡(luò)模型有較大的提升,對(duì)遮擋、光照、側(cè)臉變化等干擾因素有較好的抗干擾能力... 

【文章來源】：江漢大學(xué)湖北省

【文章頁數(shù)】：58 頁

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
Abstract
第1章 緒論
    1.1 研究的發(fā)展歷史
    1.2 國(guó)內(nèi)外研究現(xiàn)狀及成果
        1.2.1 多角度人臉識(shí)別的研究
        1.2.2 遮擋問題的研究
    1.3 存在的問題及發(fā)展趨勢(shì)
    1.4 研究目標(biāo)、研究?jī)?nèi)容和擬解決的關(guān)鍵問題
    1.5 論文研究工作與章節(jié)結(jié)構(gòu)
第2章 系統(tǒng)應(yīng)用的相關(guān)理論
    2.1 神經(jīng)網(wǎng)絡(luò)相關(guān)理論
        2.1.1 卷積神經(jīng)網(wǎng)絡(luò)
        2.1.2 Inception-Resnet-v1 深度卷積神經(jīng)網(wǎng)絡(luò)
        2.1.3 損失函數(shù)
        2.1.4 L2歸一化
        2.1.5 MTCNN人臉檢測(cè)算法
    2.2 余弦距離與歐式距離
    2.3 圖像處理相關(guān)算法
        2.3.1 銳化增強(qiáng)算法
        2.3.2 直方圖均衡化
    2.4 本章總結(jié)
第3章 系統(tǒng)的總體設(shè)計(jì)
    3.1 系統(tǒng)的設(shè)計(jì)需求分析
        3.1.1 復(fù)雜環(huán)境分析
        3.1.2 訓(xùn)練集數(shù)據(jù)量分析
        3.1.3 系統(tǒng)的結(jié)構(gòu)設(shè)計(jì)
    3.2 系統(tǒng)的總體設(shè)計(jì)思路
    3.3 系統(tǒng)數(shù)據(jù)集采集模塊設(shè)計(jì)
    3.4 系統(tǒng)模型訓(xùn)練模塊設(shè)計(jì)
    3.5 系統(tǒng)識(shí)別算法與交互模塊設(shè)計(jì)
        3.5.1 分類算法模塊
        3.5.2 人機(jī)界面交互模塊
    3.6 本章總結(jié)
第4章 系統(tǒng)的訓(xùn)練與實(shí)現(xiàn)
    4.1 訓(xùn)練集的采集
    4.2 測(cè)試集的采集
    4.3 系統(tǒng)閥值實(shí)驗(yàn)的設(shè)計(jì)
    4.4 系統(tǒng)閥值的確定與數(shù)據(jù)展示
    4.5 系統(tǒng)運(yùn)行展示
    4.6 本章總結(jié)
第5章 不同模型實(shí)驗(yàn)結(jié)果對(duì)比
    5.1 遮擋情況下不同系統(tǒng)的人臉識(shí)別率
    5.2 多角度人臉干擾情況下不同系統(tǒng)的人臉識(shí)別率
    5.3 不同光照情況下不同系統(tǒng)的人臉識(shí)別率
    5.4 在LFW數(shù)據(jù)集下人臉識(shí)別率
    5.5 實(shí)驗(yàn)總結(jié)
第6章 總結(jié)與展望
    6.1 總結(jié)
    6.2 展望
參考文獻(xiàn)
致謝
攻讀學(xué)位期間發(fā)表的學(xué)術(shù)論文


【參考文獻(xiàn)】：
期刊論文
[1]基于改進(jìn)的卷積神經(jīng)網(wǎng)絡(luò)多姿態(tài)人臉識(shí)別研究[J]. 韓東,王學(xué)軍.  吉林大學(xué)學(xué)報(bào)(信息科學(xué)版). 2018(05)
[2]卷積網(wǎng)絡(luò)的無監(jiān)督特征提取對(duì)人臉識(shí)別的研究[J]. 杜柏圣.  計(jì)算機(jī)技術(shù)與發(fā)展. 2018(06)
[3]三維人臉建模及在跨姿態(tài)人臉匹配中的有效性驗(yàn)證[J]. 李昕昕,龔勛.  計(jì)算機(jī)應(yīng)用. 2017(01)
[4]一種易于初始化的類卷積神經(jīng)網(wǎng)絡(luò)視覺跟蹤算法[J]. 李寰宇,畢篤彥,查宇飛,楊源.  電子與信息學(xué)報(bào). 2016(01)

碩士論文
[1]卷積神經(jīng)網(wǎng)字符識(shí)別算法研究[D]. 吳香蓮.電子科技大學(xué) 2016
[2]卷積神經(jīng)網(wǎng)絡(luò)在圖像識(shí)別上的應(yīng)用的研究[D]. 許可.浙江大學(xué) 2012



本文編號(hào)：3630475