应用于课堂场景的人脸匹配深度学习算法研究

发布时间：2021-03-16 05:40

　　高校的学生课堂考勤严重挤占了课堂时间,考场身份核验增加了监考人员的工作量,且效率低下。随着人工智能技术的研究与技术应用领域的推广,不同领域遇到的问题都尝试着采用人工智能方法来解决,尤其在计算机视觉方向上,因为卷积神经网络具有强大的计算能力与非线性自主学习特征的特性,所以被广泛应用在现实场景的目标识别与验证工作中。因此,为了达到节省大量的人力、物力与提升工作效率的目的,本文采用深度学习方法解决课堂场景的人脸匹配问题。本文根据深度学习理论,设计了基于课堂场景数据的人脸图像分类算法,算法的设计思路主要从人脸图像预处理、人脸图像分类算法研究和实验分析三个部分阐述。首先,从教室采集大场景图像,使用人脸检测算法抓取人脸图像,将被捕获的图像分类,制作成实验图像数据集。针对现实场景的图像样本质量较差的问题,本文使用直方图均衡与锐化增强算法处理人脸图像,过滤环境因素带来的影响并且有效地突出图像中的人脸信息。为了使模型更专注在规范区域学习判别特征,进行了人脸对齐。其次,本文重点设计了人脸图像分类算法,本算法由分类模型与分类器Softmax组成,其中设计了三个模型结构:轻量级的卷积网络模型、基于Shortc... 

【文章来源】：东华大学上海市 211工程院校 教育部直属院校

【文章页数】：73 页

【学位级别】：硕士

【部分图文】：

人脸图像分类算法主要过程

深度学习理论框架

卷积操作池化（Pooling）

【参考文献】：
期刊论文
[1]一种交替变换更新层数的DBN-DNN快速训练方法[J]. 李轩,李春升.  计算机应用研究. 2016(03)
[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)



本文编号：3085512