基于卷积神经网络的多姿态人脸识别方法研究

发布时间：2021-10-29 00:43

　　随着科学水平不断提升,人脸识别技术已经被广泛的应用于安防、考勤、门禁、ATM等方面。目前,人脸识别算法的研究也延伸到复杂环境进行人脸识别。姿态变化,面部遮挡,年龄变化是影响人脸识别系统性能的主要因素。卷积神经网络与传统的人脸识别方法相比:直接作用于原始图像,具有局部感受野、权值共享和下采样等特点。此外,对于图像的平移、比例缩放、倾斜形式具有不变性。本文对卷积神经网络应用于多角度的姿态人脸识别系统中进行了研究。首先,研究了传统的神经网络的组成与特点,然后研究了卷积神经网络的结构特点,对经典的卷积神经网络模型Le Net-5的卷积核尺寸和数目进行改进,提高提取特征的能力。改进池化层的池化方式,减少参数和计算量。在卷积神经网络中加入正则化方法,减少过拟合,增强网络的泛化性和稀疏性。其次,针对改进后的卷积神经网络提取到的特征维数较高,采用PCA算法对提取到的特征向量做降维处理,生成不同维度的特征向量库,然后采用余弦相似度度量算法进行目标人脸识别。最后,对于本文提出的多角度的姿态人脸识别方法进行仿真实验,通过在CAS-PEAL人脸库进行的实验结果表明,改进的卷积神经网络人脸识别算法在多姿态的条件... 

【文章来源】：哈尔滨理工大学黑龙江省

【文章页数】：64 页

【学位级别】：硕士

【部分图文】：

Sigmoid函数图像

哈尔滨理工大学工学硕士学位论文-20-图2-10Tanh函数图像Fig.2-10Tanhfunction对Tanh进行求导得到下式(2-34)为。()()"2"1zzzzeegzgzee==+(2-34)2.3.3ReLU激活函数ReLU函数又被称为分段线性函数，它的特点是能够把所有的负值都变成0，而正值不变，也就是说当输入为负值时，输出为0，那么神经元就不会被激活，从而使得网络结构变得稀疏，收敛速度快，能够更好的挖掘相关特征，拟合训练数据。由于它比Sigmoid函数和Tanh函数更符合生物学机制，所以在实际中应用比较广泛，例如：后面的LeNet-5网络就使用到了ReLU激活函数。ReLU函数的数学表达形式如下式(2-35)为：(),(z0)0,(z0)zifgzif=(2-35)ReLU函数的图像如下图2-11所示。

哈尔滨理工大学工学硕士学位论文-21-图2-11ReLU函数图像Fig.2-11ReLUfunction对ReLU函数求导得到下式(2-36)为。()"1,(z0)0,(z0)ifgzif=(2-36)2.4卷积神经网络的训练卷积神经网络训练详细步骤如图2-12所示。


本文编号：3463631