人脸识别中的深度特征学习方法研究

发布时间：2018-03-04 05:14

  本文选题：人脸识别　切入点：局部深度特征　出处：《中国科学技术大学》2017年硕士论文　论文类型：学位论文

【摘要】：人脸识别是根据人的脸部特征信息进行身份确认的过程。伴随着人工智能技术的发展,人脸识别技术越来越受到学术界和产业界的广泛关注。人脸识别的关键就在于怎样学习区分性和鲁棒性的人脸特征表达。目前,基于卷积神经网络(Convolutional Neural Networks,CNN)的人脸表达学习是人脸识别领域的主流方法,该方法利用CNN的深度结构通过逐层非线性映射的方式学习有效的人脸表达,在条件受控的人脸识别任务(LFW)中已经达到甚至超过了人工识别的结果,然而在复杂环境下的人脸识别任务(IJB-A)中仍然面临着严峻的挑战,仍需进一步研究新的技术和方法来学习区分性和鲁棒性更强的人脸特征表达,以提升复杂环境下的人脸识别性能。本文针对复杂环境下的人脸识别问题,借助于CNN卷积层输出高效地提取人脸局部深度特征(Local Deep Features,LDF)集合,在此基础上从统计建模的角度出发有效聚合人脸LDF,从而得到有效的人脸表达并应用于人脸识别系统中。主要研究内容包含如下:首先,本文有效利用CNN网络的局部感知特性,卷积层输出特征映射图的每个空间单元都对应人脸图像中特定的局部感受域,每个空间单元上提取的特征向量可以表征原始图像中某个局部区域的特性。借助于CNN的卷积层激活输出能够高效地提取人脸LDF集合,不仅有效地克服人脸全局深度特征缺乏几何不变性的问题,并且缓解了局部特征学习过程中对脸部特征点精确定位算法的依赖。其次,本文提出了结合CNN不同卷积层信息的概率视觉码本建模的Fisher Vector(FV)编码方法实现对LDF的有效聚合,其中一个卷积层用作人脸LDF提取,紧接着一个卷积层用作LDF的指示变量,指导LDF按照不同的视觉单元进行聚类,每个聚类中的特征分布采用单高斯建模,得到基于CNN的混合高斯模型(Gaussain Mixture Model,GMM)视觉码本(CNN-GMM),有效改善了传统GMM模型对高维LDF分布的建模能力,显著提升人脸识别系统的性能。鉴于CNN-GMM模型没有对人脸LDF的维间相关性信息进行有效建模,本文还提出了基于混合因子分析(Mixtures Factor Analyzers,MFA)模型的FV编码方法,利用具有全协方差矩阵的GMM模型对人脸LDF分布进行建模,并推导得到MFA模型,将其作为概率视觉码本提取人脸FV表达,进一步提升识别系统的性能。再者,为了有效聚合人脸LDF的同时降低人脸表达的维度,本文提出了基于全变量建模(Total Variability Modelling,TVM)的人脸低维子空间特征表达学习方法。采用不同的通用背景模型分别构建TVM系统,将人脸高斯超矢量表达转换成低维子空间中的全变量因子表示(iVector),维持性能优势的同时极大降低特征表达的维数。最后,本文提出一种交叉双线性网络结构有效结合CNN不同层信息,将前端LDF提取和后端人脸表达学习集成到统一的CNN中,并通过BP算法有监督地对两个模块进行同步优化,优势互补,较人脸全局深度特征表达,该方法学习得到的人脸表达性能优势明显。
[Abstract]:......
【学位授予单位】：中国科学技术大学
【学位级别】：硕士
【学位授予年份】：2017
【分类号】：TP391.41

【相似文献】

相关期刊论文 前10条

1 袁勇,李天牧;一种新的人脸特征定位及识别的方法[J];云南大学学报(自然科学版);2001年03期

2 庄莉 ,徐光yP ,艾海舟 ,梁路宏 ,彭振云;视频中多线索的人脸特征检测与跟踪[J];计算机学报;2003年02期

3 胡永利,尹宝才;基于线性组合模型的人脸特征检测方法[J];北京工业大学学报;2005年05期

4 胡静俊;陈国斌;刘济林;沈晔湖;;基于曲率和积分投影的人脸特征检测[J];江南大学学报;2006年06期

5 陈文娟;石民勇;孙庆杰;;利用人脸特征及其关系的漫画夸张与合成[J];计算机辅助设计与图形学学报;2010年01期

6 陈莹;张龙媛;;非约束环境下基于小样本的人脸特征精确定位[J];模式识别与人工智能;2013年06期

7 彭振云,游素亚;允许姿态变化的快速人脸特征检测[J];中国图象图形学报;1997年04期

8 刘哲,高广珠,余理富;一种快速而有效地定位人脸特征的方法[J];计算机应用研究;2000年12期

9 刘伟节;胡剑凌;徐盛;;一种改进的基于人脸特征的人脸检测方法[J];计算机工程与应用;2006年12期

10 吴暾华;周昌乐;;一种鲁棒的人脸特征定位方法[J];计算机应用;2007年02期

相关会议论文 前5条

1 李娜;刘莹;赵乾;陈岚峰;;基于改进SICA的人脸特征提取方法研究[A];第六届全国信息获取与处理学术会议论文集（3）[C];2008年

2 汪妍;夏良正;;基于小波变换的人脸特征定位[A];江苏省自动化学会七届四次理事会暨2004学术年会青年学者论坛论文集[C];2004年

3 吴小俊;王士同;杨静宇;刘同明;;基于扰动方法和广义K-L变换的人脸特征抽取[A];中国系统仿真学会第五次全国会员代表大会暨2006年全国学术年会论文集[C];2006年

4 彭小宁;邹北骥;王磊;孙家广;;一种改进的基于定向投影法的人脸特征定位技术[A];中国计算机图形学进展2008--第七届中国计算机图形学大会论文集[C];2008年

5 薛翠红;于明;;用于感兴趣区域图像编码的人脸特征的检测[A];全国第十届企业信息化与工业工程学术年会论文集[C];2006年

相关博士学位论文 前8条

1 李伟红;基于支持向量机的人脸特征选择及识别研究[D];重庆大学;2006年

2 王琼;人脸与人脸特征检测技术研究[D];南京理工大学;2008年

3 谢永华;人脸特征抽取与分类器设计若干问题的研究[D];南京理工大学;2006年

4 辜小花;保局鉴别人脸特征提取方法研究[D];重庆大学;2011年

5 彭振云;鲁棒的人脸识别方法研究[D];清华大学;2002年

6 刘宏;基于曲线表示的人脸特征研究[D];吉林大学;2014年

7 廖广军;复杂条件下的人脸检测与识别应用研究[D];华南理工大学;2014年

8 吴暾华;面向中医面诊诊断信息提取的若干关键技术研究[D];厦门大学;2008年

相关硕士学位论文 前10条

1 方晟;基于人脸特征的性别判断和年龄估计方法研究[D];浙江大学;2015年

2 李莉杰;基于人脸特征的儿童识别技术研究[D];电子科技大学;2014年

3 刘海媚;基于特征表示的人脸识别算法研究[D];湖南师范大学;2015年

4 张景森;基于视觉的虚拟眼镜试戴系统开发[D];杭州电子科技大学;2015年

5 彭正峗;基于LNG-score与模糊承诺的人脸特征加密算法研究[D];兰州交通大学;2015年

6 卢志蕙;智能手机上人脸支付系统的设计与实现[D];扬州大学;2014年

7 李仲林;基于颜色的人脸特征定位系统的设计与实现[D];华中科技大学;2014年

8 孙凯传;基于随机森林的人脸特征检测方法研究[D];江南大学;2016年

9 庞飞;可撤除的人脸特征识别与认证算法研究[D];华中科技大学;2015年

10 赵福东;融合混沌理论与RSA的人脸特征模板加密算法[D];哈尔滨理工大学;2016年

，

本文编号：1564272