基于深度学习小型化人脸识别系统的研究与实现
发布时间：2021-04-14 19:30
随着计算机视觉的相关应用的优越性日益突显出来,结合了深度学习算法的计算机视觉研究方向引起了广大研究者的关注。作为计算机视觉重要研究方向之一的人脸识别融合了众多的前沿技术,而目前识别技术仍然面临识别率低和设备体积大两大主要问题。本论文就解决两大主要问题下研究和分析了人脸检测和识别的算法原理并评估了相关算法的优劣和性能,最后在嵌入式环境中实现了人脸识别系统的小性化。本论文主要工作如下:（1）人脸检测算法的研究与实现。研究了基于传统方法的Haar特征人脸检测算法的和基于深度学习的人脸检测算法。分析和评估了两种人脸检测算法在不同的人脸数据集下的性能和检测结果的差异,在嵌入式硬件环境下,选定其中一种方法作为小型化人脸识别系统的实时人脸检测算法。（2）人脸识别算法的研究与实现。研究了基于深度学习人脸识别算法的基本原理,评估了在AR人脸数据集下卷积神经网络模型在全连接层神经元不同个数、卷积核不同个数以及在激活函数不同种类的情况下对网络性能的影响,最终网络模型在该验证集下获得了97.53%的准确率。（3）小型化人脸识别系统的研究与实现。基于对人脸检测和识别算法的研究和实现之后,在嵌入式硬件上设计并实现...
【文章来源】：云南大学云南省 211工程院校
【文章页数】：68 页
【学位级别】：硕士
【部分图文】：
图２－１：?Ｈａａｉ？四种特征模板结构示意图??
２．１．４预测过程??在人脸识别系统中，提取视频信息中的人脸信息的过程需要使用ＶＪ人脸检??测器的前向预测过程。ＶＪ人脸检测算法前向预测过程及流程图如图２－３所示下，??其中图中每个方框代表训练好的强分类器。首先缩放与输入图像尺寸相对应的??Ｈａａｒ特征模板的尺寸，将检测到的特征值输入到训练好的ＶＪ人脸检测器。最后??根据检测器输出的正负值，来判断检测的区域是否为人脸区域。对剩下的图像区??域进行重复处理，即可检测到人脸区域。??Ｙｐｃ?Ｙｅｓ正样本?Ｙｅｓ??—？强分类器１?■？强分类器２?—Ｖ…一？强分类器Ｍ?—??｜人脸区域??Ｎｏ?Ｎｏ?Ｎｏ??▼?▼?Ｔ??负样本?负样本?负样本??图２－３：人脸检测算法流程示意图??２．２深度学习理论基础??近年来，深度学习在计算机视觉应用中的优越性逐渐体现出来，这也对人脸??识别的研究方向产生巨大影响［３］。深度学习算法的优势之处在于神经网络模型的??统一性和复杂性，能够避免传统人脸检测算法中需要设计特定的特征提取算法的??弊端。相比于传统检测方法，深度学习算法减轻了设计人员的开发难度。??２．２．１神经网络与前向传播??科研人员通过分析和研究神经元的信号传递的原理，仿照该原理用数学思想??来模拟此信号传递机制。如图２－４所示
Ｘｎ??图２－４：单个神经元传播示意图??在图２－４中，由输入神经元，中间计算环节和输出神经元三个部分组成。输??入神经元由表示，输出神经元由ｙ表示，激活函数用ｆ表示，计??算公式如公式（２－１０）所示。??产吃＼＼＾＋１））?（２－１０）??ｉ＝ｌ??公式（２－１０）表示输出神经元的值是由输入神经元和对应权重的加权求和加??上偏置之后再通过激活函数处理得到的值，其中权重Ｗ和偏置ｂ是由神经网络??训练得到。激活函数ｆ主要完成对神经元加权求和所得的值进行归一化处理，实??现对信号非线性映射处理。常用的激活函数由三种，如图２－５所示。???ＲｅＬＵ?１〇＇???Ｓｉｇｍｏｉｄ?１〇??????Ｔａｎｈ?／ｙ??＾?Ｘ?）（??－１０?－５?（Ｉ?５?１０?￣１〇?－５?卜?５?１
【参考文献】：
期刊论文
[1]基于图像预处理的局部二值模式人脸识别方法[J]. 李旭辉. 电子技术与软件工程. 2019(07)
[2]人脸检测方法综述[J]. 李娥. 信息技术与信息化. 2018(04)
[3]支持向量机模型与应用综述[J]. 刘方园,王水花,张煜东. 计算机系统应用. 2018(04)
[4]ReLU激活函数优化研究[J]. 蒋昂波,王维维. 传感器与微系统. 2018(02)
[5]基于深度学习的人脸识别方法研究综述[J]. 杨巨成,刘娜,房珊珊,谢迎. 天津科技大学学报. 2016(06)
[6]Boosting算法理论与应用研究[J]. 张文生,于廷照. 中国科学技术大学学报. 2016(03)
[7]视频人脸识别系统中的最佳人脸捕获[J]. 孟繁静,王连明. 东北师大学报(自然科学版). 2015(03)
[8]随机梯度下降法的一些性质(英文)[J]. 汪宝彬,汪玉霞. 数学杂志. 2011(06)
硕士论文
[1]Adaboost算法优化及人脸检测识别系统研究[D]. 李可强.燕山大学 2017
[2]基于卷积神经网络的人脸识别研究与实现[D]. 万士宁.电子科技大学 2016
本文编号：3137885
【文章来源】：云南大学云南省 211工程院校
【文章页数】：68 页
【学位级别】：硕士
【部分图文】：
图２－１：?Ｈａａｉ？四种特征模板结构示意图??
２．１．４预测过程??在人脸识别系统中，提取视频信息中的人脸信息的过程需要使用ＶＪ人脸检??测器的前向预测过程。ＶＪ人脸检测算法前向预测过程及流程图如图２－３所示下，??其中图中每个方框代表训练好的强分类器。首先缩放与输入图像尺寸相对应的??Ｈａａｒ特征模板的尺寸，将检测到的特征值输入到训练好的ＶＪ人脸检测器。最后??根据检测器输出的正负值，来判断检测的区域是否为人脸区域。对剩下的图像区??域进行重复处理，即可检测到人脸区域。??Ｙｐｃ?Ｙｅｓ正样本?Ｙｅｓ??—？强分类器１?■？强分类器２?—Ｖ…一？强分类器Ｍ?—??｜人脸区域??Ｎｏ?Ｎｏ?Ｎｏ??▼?▼?Ｔ??负样本?负样本?负样本??图２－３：人脸检测算法流程示意图??２．２深度学习理论基础??近年来，深度学习在计算机视觉应用中的优越性逐渐体现出来，这也对人脸??识别的研究方向产生巨大影响［３］。深度学习算法的优势之处在于神经网络模型的??统一性和复杂性，能够避免传统人脸检测算法中需要设计特定的特征提取算法的??弊端。相比于传统检测方法，深度学习算法减轻了设计人员的开发难度。??２．２．１神经网络与前向传播??科研人员通过分析和研究神经元的信号传递的原理，仿照该原理用数学思想??来模拟此信号传递机制。如图２－４所示
Ｘｎ??图２－４：单个神经元传播示意图??在图２－４中，由输入神经元，中间计算环节和输出神经元三个部分组成。输??入神经元由表示，输出神经元由ｙ表示，激活函数用ｆ表示，计??算公式如公式（２－１０）所示。??产吃＼＼＾＋１））?（２－１０）??ｉ＝ｌ??公式（２－１０）表示输出神经元的值是由输入神经元和对应权重的加权求和加??上偏置之后再通过激活函数处理得到的值，其中权重Ｗ和偏置ｂ是由神经网络??训练得到。激活函数ｆ主要完成对神经元加权求和所得的值进行归一化处理，实??现对信号非线性映射处理。常用的激活函数由三种，如图２－５所示。???ＲｅＬＵ?１〇＇???Ｓｉｇｍｏｉｄ?１〇??????Ｔａｎｈ?／ｙ??＾?Ｘ?）（??－１０?－５?（Ｉ?５?１０?￣１〇?－５?卜?５?１
【参考文献】：
期刊论文
[1]基于图像预处理的局部二值模式人脸识别方法[J]. 李旭辉. 电子技术与软件工程. 2019(07)
[2]人脸检测方法综述[J]. 李娥. 信息技术与信息化. 2018(04)
[3]支持向量机模型与应用综述[J]. 刘方园,王水花,张煜东. 计算机系统应用. 2018(04)
[4]ReLU激活函数优化研究[J]. 蒋昂波,王维维. 传感器与微系统. 2018(02)
[5]基于深度学习的人脸识别方法研究综述[J]. 杨巨成,刘娜,房珊珊,谢迎. 天津科技大学学报. 2016(06)
[6]Boosting算法理论与应用研究[J]. 张文生,于廷照. 中国科学技术大学学报. 2016(03)
[7]视频人脸识别系统中的最佳人脸捕获[J]. 孟繁静,王连明. 东北师大学报(自然科学版). 2015(03)
[8]随机梯度下降法的一些性质(英文)[J]. 汪宝彬,汪玉霞. 数学杂志. 2011(06)
硕士论文
[1]Adaboost算法优化及人脸检测识别系统研究[D]. 李可强.燕山大学 2017
[2]基于卷积神经网络的人脸识别研究与实现[D]. 万士宁.电子科技大学 2016
本文编号：3137885
本文链接：https://www.wllwen.com/kejilunwen/shengwushengchang/3137885.html
最近更新
教材专著
