人臉識(shí)別技術(shù)是身份識(shí)別的主要手段之一,在安防、金融等領(lǐng)域得到廣泛應(yīng)用。研究人臉識(shí)別在課堂環(huán)境中的應(yīng)用,對(duì)提高教學(xué)效率、推進(jìn)智慧教育極具研究價(jià)值。但課堂環(huán)境中拍攝角度、光照強(qiáng)度等因素影響使得課堂環(huán)境下的人臉識(shí)別困難重重。針對(duì)該問題,本文從數(shù)據(jù)集構(gòu)建、人臉檢測(cè)和人臉識(shí)別三個(gè)方面展開研究。首先,分析了LFW和WIDER FACE等人臉數(shù)據(jù)集所存在的欠缺,構(gòu)建了課堂環(huán)境下多人臉識(shí)別研究的數(shù)據(jù)集。數(shù)據(jù)集構(gòu)建包括幾個(gè)步驟:(1)從多個(gè)方位對(duì)不同教室環(huán)境、不同學(xué)生數(shù)量的班級(jí)進(jìn)行數(shù)據(jù)采集;(2)對(duì)圖片進(jìn)行處理,并標(biāo)定人臉框位置生成相應(yīng)的標(biāo)簽文件;(3)通過數(shù)據(jù)增強(qiáng)技術(shù)擴(kuò)充數(shù)據(jù)集數(shù)目,最終構(gòu)建了包括2782幅圖像的兩類數(shù)據(jù)集。其次,在人臉檢測(cè)環(huán)節(jié),對(duì)比分析了基于Open CV的haar級(jí)聯(lián)分類器算法和基于dlib的人臉檢測(cè)算法等傳統(tǒng)人臉檢測(cè)算法以及基于深度學(xué)習(xí)的人臉檢測(cè)算法。通過模擬實(shí)驗(yàn),分析了不同人臉數(shù)據(jù)集(10人以下、11-20人、21-30人、31-40人以及41人以上)中的算法性能,實(shí)驗(yàn)結(jié)果表明,傳統(tǒng)的人臉檢測(cè)算法難以準(zhǔn)確檢測(cè)具有一定偏移角度的人臉圖片;基于FCHD的深度學(xué)習(xí)人臉檢測(cè)算法,對(duì)于具...

【文章頁數(shù)】：66 頁

【學(xué)位級(jí)別】：碩士

【部分圖文】：

圖1.2人臉關(guān)鍵點(diǎn)位置圖

及后面的層，進(jìn)一步學(xué)習(xí)了更高層次的抽象。最后，這些更高層次的抽象的結(jié)合代表了不同的面部識(shí)別。2014年，DeepFace[38]在著名的LFW基準(zhǔn)上達(dá)到了較高的準(zhǔn)確性，首次在不受限制的條件下接近了人類的表現(xiàn)（DeepFace：97.35％，人類：97.53％），通過訓(xùn)練9層400....

圖2.1LFW人臉數(shù)據(jù)示例圖

面向課堂環(huán)境的人臉識(shí)別關(guān)鍵技術(shù)研究11第2章面向課堂環(huán)境的人臉數(shù)據(jù)集構(gòu)建研究課堂環(huán)境是指學(xué)生在教室學(xué)習(xí)的真實(shí)場(chǎng)景，在此場(chǎng)景下，學(xué)生數(shù)目不一，少到實(shí)驗(yàn)室?guī)兹�，多至集體課堂學(xué)生上百人。學(xué)生上課時(shí)大部分面朝同一方向，并且有部分遮擋。當(dāng)每個(gè)教室的攝像頭對(duì)上課學(xué)生進(jìn)行監(jiān)控時(shí)，前面的學(xué)生基本....

圖2.2WIDERFACE數(shù)據(jù)示例圖

碩士學(xué)位論文12LFW(LabeledFacesintheWildHome)[52]屬于自然場(chǎng)景無約束人臉識(shí)別數(shù)據(jù)集，數(shù)據(jù)來源于5749個(gè)不同名人，基于不同光照條件、表情和朝向采集形成。整個(gè)數(shù)據(jù)集共有13233張圖片，其中4069人只有一張照片，有2張或2張以上人臉圖片的人數(shù)為1....

圖2.3xml標(biāo)簽文件信息圖

碩士學(xué)位論文14的信息進(jìn)行人工標(biāo)注，每個(gè)人有唯一的標(biāo)志。根據(jù)研究的算法實(shí)際需求，共采集兩類數(shù)據(jù)，mydata、newdata是用來人臉檢測(cè)；data用于人臉識(shí)別。兩個(gè)數(shù)據(jù)集來源于本校的不同的班級(jí)總共130人，其中人臉檢測(cè)數(shù)據(jù)由80個(gè)不同的學(xué)生組成，將近2000張照片，并從中選取了....

本文編號(hào)：3943694