近红外姿态变换人脸数据库与姿态变化非敏感人脸识别
发布时间：2021-09-03 16:38
近红外光主动照射技术可以实现全黑环境下的成像,因此被广泛应用于安防监控方面。但近红外监控视频中的人脸往往呈现不同的姿态角度。对于可见光下的人脸识别,姿态变化会带来人脸识别率的显著下降。虽然定性分析表明中波红外和长波红外人脸识别更少地受到姿态变化的影响,但由于可用数据集的缺失,姿态变化对近红外人脸识别的定量分析目前无法开展。现有的近红外人脸数据集大多基于正脸角度拍摄,还未见公开的包含多个角度姿态变换的近红外人脸数据集。姿态变换对于近红外人脸识别的定量影响不得而知,姿态变化非敏感近红外人脸识别算法的验证更无从开展。基于研究现状中存在的上述问题,本文建立了一个多个角度姿态变换的近红外人脸数据库SWU-NIRPV（西南大学近红外姿态变换人脸数据库）,深入讨论了姿态变换对近红外人脸识别的影响机制,并设计神经网络试图实现姿态变化非敏感近红外人脸识别。本文的主要贡献在于:（1）建立了一个黑暗条件下包含57个姿态变换角度的近红外人脸公开数据库SWU-NIRPV,以10°为间隔,覆盖了左右两侧0°（正脸）至±90°（侧脸）的近红外人脸数据,同时在各个偏航角度上进一步划分了俯视、平视以及仰视集。（2）从非...
【文章来源】：西南大学重庆市 211工程院校 教育部直属院校
【文章页数】：68 页
【学位级别】：硕士
【部分图文】：
数据库建立框架
第一章引言71.4.2方法整体框架本文提出的方法整体框架如图1.2所示。图中以浅绿色与紫色对训练集与测试集进行区分。图1.2方法整体框架本文从非交叉、交叉角度两个方面设计算法来分析姿态变换对近红外人脸识别的影响。首先是非交叉角度近红外人脸识别，这一部分训练集与测试集均来自于同一姿态角度，利用传统算法与CNN模型在每个角度都进行交叉验证后，通过分别控制偏航与俯仰，来分析在不同方向的姿态角度，模型的识别效果是否发生变化，结果表明，在非交叉角度层面，传统方法不能在不同的姿态变化角度保持较强的鲁棒性，CNN则表现较好。然后同样在交叉角度进行识别分析，这一部分训练集与测试集来自不同的姿态角度（以更为细致划分的偏航为主，见图1.2中浅绿色与紫色方块），同时采用与非交叉角度同样的一组算法进行对比分析。在仅以0°正脸偏航作训练集条件下，尽管测试集与训练集仅存在10°偏航的差异，仍然对识别能力造成了致命的影响，在训练集加入90°偏航子集后，识别效
西南大学硕士学位论文10-90°至90°以10°间隔进行标记，如图2.1所示。0°标记线和相机的光轴线平行，两条线构成的平面垂直于地面。图2.1人脸偏航角度标记示意图2.2.3实验过程我们招募了90个本科同学参与SWU-NIRPV实验数据采集，其中男生35人，女生55人，平均年龄在26岁。在实验开始前每个人都签署了知情同意书，并被告知实验数据仅用作学术研究，在实验过程中如被试感到任何不适可以随时终止实验并离开。因为近红外人脸识别常常应用在黑暗条件场景下，因此SWU-NIRPV人脸数据的采集是在黑暗条件下进行的，图2.2为光源关闭前后的画面对比。实验过程中所有的光源都会被关闭，唯一的近红外主动照射光源来自RICHHD-A210相机，由于幕布边缘允许了极其微弱的光线透过，因此被试在标记位置站立一段时间视觉能够得到适应后，仍然可以准确辨识地板上的白色标记。（a）（b）图2.2实验环境下打开光源与关闭光源的画面对比:(a)打开光源;(b)关闭光源实验开始时，我们要求被试被将脚后跟并拢至标记原点，双脚自然打开，将白色标记置于双脚角平分线位置，同时双眼视线借助鼻尖聚焦于白色标记上。目
【参考文献】：
期刊论文
[1]深度卷积神经网络在计算机视觉中的应用研究综述[J]. 卢宏涛,张秦川. 数据采集与处理. 2016(01)
[2]受限波尔兹曼机[J]. 张春霞,姬楠楠,王冠伟. 工程数学学报. 2015(02)
[3]深度学习研究综述[J]. 尹宝才,王文通,王立春. 北京工业大学学报. 2015(01)
[4]基于卷积神经网络的正则化方法[J]. 吕国豪,罗四维,黄雅平,蒋欣兰. 计算机研究与发展. 2014(09)
[5]深度学习在自然语言处理中的应用[J]. 翟剑锋. 电脑编程技巧与维护. 2013(18)
[6]光照不均图像增强方法综述[J]. 梁琳,何卫平,雷蕾,张维,王红霄. 计算机应用研究. 2010(05)
[7]M-P神经元模型的几何意义及其应用[J]. 张铃,张钹. 软件学报. 1998(05)
[8]基于生物的神经网络的理论框架──神经元模型[J]. 欧阳楷,邹睿,刘卫芳. 北京生物医学工程. 1997(02)
[9]梯度下降法[J]. 刘颖超,张纪元. 南京理工大学学报(自然科学版). 1993(02)
硕士论文
[1]基于深度学习的目标检测算法研究及应用[D]. 万维.电子科技大学 2015
[2]深度学习神经网络在语音识别中的应用研究[D]. 陈硕.华南理工大学 2013
[3]基于深度学习的人脸识别研究[D]. 林妙真.大连理工大学 2013
本文编号：3381474
【文章来源】：西南大学重庆市 211工程院校 教育部直属院校
【文章页数】：68 页
【学位级别】：硕士
【部分图文】：
数据库建立框架
第一章引言71.4.2方法整体框架本文提出的方法整体框架如图1.2所示。图中以浅绿色与紫色对训练集与测试集进行区分。图1.2方法整体框架本文从非交叉、交叉角度两个方面设计算法来分析姿态变换对近红外人脸识别的影响。首先是非交叉角度近红外人脸识别，这一部分训练集与测试集均来自于同一姿态角度，利用传统算法与CNN模型在每个角度都进行交叉验证后，通过分别控制偏航与俯仰，来分析在不同方向的姿态角度，模型的识别效果是否发生变化，结果表明，在非交叉角度层面，传统方法不能在不同的姿态变化角度保持较强的鲁棒性，CNN则表现较好。然后同样在交叉角度进行识别分析，这一部分训练集与测试集来自不同的姿态角度（以更为细致划分的偏航为主，见图1.2中浅绿色与紫色方块），同时采用与非交叉角度同样的一组算法进行对比分析。在仅以0°正脸偏航作训练集条件下，尽管测试集与训练集仅存在10°偏航的差异，仍然对识别能力造成了致命的影响，在训练集加入90°偏航子集后，识别效
西南大学硕士学位论文10-90°至90°以10°间隔进行标记，如图2.1所示。0°标记线和相机的光轴线平行，两条线构成的平面垂直于地面。图2.1人脸偏航角度标记示意图2.2.3实验过程我们招募了90个本科同学参与SWU-NIRPV实验数据采集，其中男生35人，女生55人，平均年龄在26岁。在实验开始前每个人都签署了知情同意书，并被告知实验数据仅用作学术研究，在实验过程中如被试感到任何不适可以随时终止实验并离开。因为近红外人脸识别常常应用在黑暗条件场景下，因此SWU-NIRPV人脸数据的采集是在黑暗条件下进行的，图2.2为光源关闭前后的画面对比。实验过程中所有的光源都会被关闭，唯一的近红外主动照射光源来自RICHHD-A210相机，由于幕布边缘允许了极其微弱的光线透过，因此被试在标记位置站立一段时间视觉能够得到适应后，仍然可以准确辨识地板上的白色标记。（a）（b）图2.2实验环境下打开光源与关闭光源的画面对比:(a)打开光源;(b)关闭光源实验开始时，我们要求被试被将脚后跟并拢至标记原点，双脚自然打开，将白色标记置于双脚角平分线位置，同时双眼视线借助鼻尖聚焦于白色标记上。目
【参考文献】：
期刊论文
[1]深度卷积神经网络在计算机视觉中的应用研究综述[J]. 卢宏涛,张秦川. 数据采集与处理. 2016(01)
[2]受限波尔兹曼机[J]. 张春霞,姬楠楠,王冠伟. 工程数学学报. 2015(02)
[3]深度学习研究综述[J]. 尹宝才,王文通,王立春. 北京工业大学学报. 2015(01)
[4]基于卷积神经网络的正则化方法[J]. 吕国豪,罗四维,黄雅平,蒋欣兰. 计算机研究与发展. 2014(09)
[5]深度学习在自然语言处理中的应用[J]. 翟剑锋. 电脑编程技巧与维护. 2013(18)
[6]光照不均图像增强方法综述[J]. 梁琳,何卫平,雷蕾,张维,王红霄. 计算机应用研究. 2010(05)
[7]M-P神经元模型的几何意义及其应用[J]. 张铃,张钹. 软件学报. 1998(05)
[8]基于生物的神经网络的理论框架──神经元模型[J]. 欧阳楷,邹睿,刘卫芳. 北京生物医学工程. 1997(02)
[9]梯度下降法[J]. 刘颖超,张纪元. 南京理工大学学报(自然科学版). 1993(02)
硕士论文
[1]基于深度学习的目标检测算法研究及应用[D]. 万维.电子科技大学 2015
[2]深度学习神经网络在语音识别中的应用研究[D]. 陈硕.华南理工大学 2013
[3]基于深度学习的人脸识别研究[D]. 林妙真.大连理工大学 2013
本文编号：3381474
本文链接：https://www.wllwen.com/kejilunwen/dianzigongchenglunwen/3381474.html
