基于深度学习的新生儿面部检测与跟踪算法的研究

发布时间：2021-02-23 17:03

　　新生儿疼痛自动评估系统能够及时有效地帮助医护人员对新生儿进行疼痛评估,而新生儿面部检测与跟踪是自动评估系统的前提和基础,能够滤除疼痛表情识别过程中的干扰信息,进而提高识别率。然而,现有的面部检测算法都是基于成年人样本进行设计的,但是新生儿与成年人之间存在较大的面部特征差异,因此本文利用深度学习技术自适应地学习适合新生儿面部的特征表达,实现对新生儿的面部检测和跟踪,具体工作如下:（1）建立新生儿图像数据库。数据库是进行新生儿面部检测和跟踪算法研究的基础,通过对采集到的原始新生儿视频进行预处理操作可建立一个包含角度、背景以及面部状态变化的图像数据库。（2）基于改进的多层次特征深度学习算法的新生儿面部检测。本文根据新生儿面部特征的特点,提出了一种改进的多层次特征深度学习算法,利用多层次特征图的检测方式提升了新生儿面部检测的速度或精确率。实验结果表明,该算法一方面采用ZFNet基础网络结构作为特征提取层能够有效提高检测速度;另一方面根据基础网络结构选取合适层次的特征图可以将检测精确率提高至98.2%。（3）基于YOLOv2算法的新生儿面部检测。对新生儿图像的标注框尺寸进行K-means聚类能够... 

【文章来源】：南京邮电大学江苏省

【文章页数】：74 页

【学位级别】：硕士

【文章目录】：
摘要
Abstract
专用术语注释表
第一章 绪论
    1.1 课题研究背景及意义
    1.2 课题研究现状
        1.2.1 面部检测研究现状
        1.2.2 面部跟踪研究现状
    1.3 新生儿面部检测与跟踪系统的基本流程
    1.4 研究内容及章节安排
        1.4.1 研究内容
        1.4.2 章节安排
第二章 深度学习相关技术
    2.1 深度学习概述
    2.2 深度学习基本理论
        2.2.1 感知器模型
        2.2.2 激活函数
        2.2.3 目标函数
        2.2.4 前向和反向传播
    2.3 卷积神经网络
        2.3.1 卷积神经网络的基本结构
        2.3.2 卷积神经网络模型的发展
    2.4 本章小结
第三章 基于深度学习的新生儿面部检测
    3.1 面部检测方式介绍
    3.2 基于MTCNN算法的新生儿面部检测
        3.2.1 MTCNN算法的网络结构
        3.2.2 多任务协同训练
    3.3 基于多层次特征深度学习算法的新生儿面部检测
        3.3.1 多层次特征深度学习算法的网络结构
        3.3.2 候选区域的生成
        3.3.3 多层次特征层的选取
    3.4 基于YOLOv2算法的新生儿面部检测
        3.4.1 YOLOv2算法的网络结构
        3.4.2 细粒度特征
        3.4.3 维度聚类
    3.5 本章小结
第四章 新生儿面部跟踪算法
    4.1 基于KCF算法的新生儿面部跟踪
        4.1.1 KCF算法的基本框架
        4.1.2 线性岭回归
        4.1.3 核空间岭回归
    4.2 基于SiamFC算法的新生儿面部跟踪
        4.2.1 SiamFC算法的基本框架
        4.2.2 模型参数配置
        4.2.3 孪生网络的相似性学习
    4.3 本章小结
第五章 仿真实验及结果分析
    5.1 实验平台简介
    5.2 实验数据库简介
        5.2.1 数据库的建立流程
        5.2.2 数据库的预处理
    5.3 新生儿面部检测评价标准
    5.4 实验结果及分析
        5.4.1 新生儿面部检测
        5.4.2 新生儿面部跟踪
    5.5 本章小结
第六章 总结与展望
参考文献
附录1 攻读硕士学位期间撰写的论文
附录2 攻读硕士学位期间申请的专利
附录3 攻读硕士学位期间参加的科研项目
致谢


【参考文献】：
期刊论文
[1]基于深度卷积神经网络的人脸识别技术综述[J]. 景晨凯,宋涛,庄雷,刘刚,王乐,刘凯伦.  计算机应用与软件. 2018(01)
[2]目标跟踪算法综述[J]. 卢湖川,李佩霞,王栋.  模式识别与人工智能. 2018(01)
[3]多姿态人脸识别综述[J]. 邹国锋,傅桂霞,李海涛,高明亮,王科俊.  模式识别与人工智能. 2015(07)
[4]基于联合特征的边缘粒子滤波目标跟踪算法研究[J]. 孟军英,刘教民,韩明.  计算机应用研究. 2015(06)
[5]基于多模板匹配的单人脸检测[J]. 梁路宏,艾海舟,何克忠.  中国图象图形学报. 1999(10)
[6]基于区域特征的快速人脸检测法[J]. 卢春雨,张长水,闻芳,阎平凡.  清华大学学报(自然科学版). 1999(01)

硕士论文
[1]基于视频序列的新生儿疼痛表情识别系统的研究[D]. 刘陶鸿.南京邮电大学 2016



本文编号：3047925