基于神经网络的人脸检测及属性识别系统的设计与实现

发布时间：2021-02-12 09:23

　　随着经济和科技的高速发展,人脸检测和属性识别算法普遍运用于金融、教育、安防、电子政务等场景中,为众多企业创造了收益。而检测和属性识别作为人脸算法的两个核心研究方向,因当下的人工智能的发展形势火热再次被大家重视起来。人工智能技术作为国家的发展战略,已经写入了国家未来的发展蓝图中,因此作为更容易实现的人脸算法成为当前许多学者和企业家争先开发的领域。然而考虑到复杂的场景、实时性和准确度等方面的需求,目前人脸检测和属性识别算法还值得深入研究。本文主要研究基于神经网络的人脸检测和属性识别技术。首先,描述人脸检测和属性识别算法的基础原理;介绍卷积神经网络的思想;介绍MTCNN、SSH、SFD三个人脸检测技术;介绍前后端实现的关键技术。其次,完成了系统设计和实现。第一,设定数据标注标准,收集数据并对数据使用清晰度算法进行评价,训练模型并将模型保存。第二,运用tornado后端框架开发人脸管理系统,并将之前训练好的模型放在后台,以供调用。使用opencv和深度学习框架实现人脸算法,并封装成类,为前端提供API。同时使用mongodb数据库管理数据,如账户信息等,文档性数据库易于使用。第三,开发出微信小... 

【文章来源】：首都经济贸易大学北京市

【文章页数】：82 页

【学位级别】：硕士

【部分图文】：

感受野概念图

权值共享图

首都经济贸易大学硕士学位论文7图2.2权值共享图2.2.4池化池化函数可以逐渐降低输入的空间尺度。特别地，池化使输入变得更小，使网络对于输入保持不变性，因为我们在局部邻域中使用了最大化/平均值的操作，帮助我们获取图像最大程度上的尺度不变性，池化层的作用:1）保存关键的表征信息2）减少参数，因而计算量更小，对GPU资源的调度更小3）避免过拟合图2.3池化计算图

【参考文献】：
期刊论文
[1]多任务及Resnet网络在人脸多属性识别中的应用[J]. 徐培超,陈雯柏,陈祥凤,韩琥.  小型微型计算机系统. 2018(12)
[2]基于级联框架的人脸关键点检测算法改进[J]. 赵大鹏,顾益军,袁丽欣.  软件导刊. 2018(11)
[3]基于卷积神经网络的图像分类研究[J]. 葛程,孙国强.  软件导刊. 2018(10)
[4]基于深度学习的图像分类方法[J]. 许少尉,陈思宇.  电子技术应用. 2018(06)
[5]基于字典学习的图像去噪研究[J]. 程春燕.  电脑知识与技术. 2018(02)
[6]基于SSD的行人检测方法[J]. 朱敏.  科学技术创新. 2017(36)
[7]基于深度学习与随机森林的人脸年龄与性别分类研究[J]. 董兰芳,张军挺.  计算机工程. 2018(05)
[8]基于Bootstrap的响应式网页设计中断点研究[J]. 李慕,赵彤洲,周萍.  软件导刊. 2017(04)
[9]基于深度学习的人体行为识别研究[J]. 迟元峰,顾敏.  工业控制计算机. 2017(01)
[10]探讨动态软件测试中的白盒及黑盒测试[J]. 祁俊胜.  信息通信. 2015(09)

硕士论文
[1]基于级联卷积神经网络的人脸关键点检测算法[D]. 靳一凡.浙江大学 2015



本文编号：3030629