渝骄机器人人脸识别系统的设计与实现

发布时间：2022-02-20 23:27

　　近年来,随着机器人技术的发展和成熟,迎宾机器人已逐渐渗透到我们生活中。在迎宾机器人进行人机交互的时候,人脸识别具有举足轻重的作用。因此,本文以迎宾机器人—渝骄机器人为实验平台,设计了一套抗眼镜遮挡的人脸识别系统。具体的,本文的主要研究内容如下:（1）本文设计了在一定程度上能够去除人脸眼镜的去遮挡方案。首先本文通过调研找出当前主要的去遮挡方案,并选择了以GAN（Generative Adversarial Nets）为主体的去遮挡架构作为本文的研究内容,然后对GAN进行改进,最后制作样本集对其进行训练并取出其中的生成器模型作为去眼镜遮挡模型。通过测试,使用去遮挡的人脸识别系统能够满足渝骄机器人的抗遮挡需求。（2）本文设计了基于改进FaceNet的人脸识别方案。通过分析传统神经元的优缺点,得出:以标量表示的传统神经元模型限制了整个网络的特征表达能力。因此,本文使用新型神经元—capsule（以向量表示神经元模型,使得神经元能够表征更多的信息）组成的神经网络代替FaceNet的最后的平均池化层和全连接层,以此来增强网络的特征表达能力。通过测试,在正常光照下,使用改进FaceNet的人脸识别系... 

【文章来源】：重庆大学重庆市211工程院校985工程院校教育部直属院校

【文章页数】：66 页

【学位级别】：硕士

【文章目录】：
中文摘要
英文摘要
1 绪论
    1.1 课题研究背景及意义
    1.2 国内外研究现状
        1.2.1 迎宾机器人研究现状
        1.2.2 人脸识别研究现状
    1.3 本文主要研究内容及章节安排
2 深度学习基础知识
    2.1 卷积神经网络的构成
    2.2 卷积神经网络的优化
    2.3 神经网络的训练及常见的优化算法
        2.3.1 神经网络的训练
        2.3.2 常见的优化算法
    2.4 本章小结
3 人脸检测算法选择
    3.1 基于Haar特征的Adaboost级联人脸检测
    3.2 基于级联CNN的人脸检测
    3.3 基于SSD的人脸检测
    3.4 方法对比
    3.5 本章小结
4 抗眼镜遮挡算法的设计与实现
    4.1 生成对抗网络模型
    4.2 改进生成器与判别器网络
        4.2.1 改进生成器网络
        4.2.2 改进判别器网络
    4.3 人脸去遮挡模型及其训练
        4.3.1 人脸去遮挡模型
        4.3.2 制作数据集
        4.3.3 人脸去遮挡模型的训练
    4.4人脸去遮挡实验
        4.4.1 实验流程
        4.4.2 实验结果对比与分析
    4.5 本章小结
5 人脸识别算法选择与优化
    5.1 人脸识别算法选择
        5.1.1 基于DeepID的人脸识别
        5.1.2 基于FaceNet的人脸识别
        5.1.3 人脸识别方法对比
    5.2 基于capsule的改进FaceNet网络
        5.2.1 capsule神经元模型
        5.2.2 传统神经元与capsule神经元模型对比
        5.2.3 改进FaceNet
        5.2.4 训练与测试
    5.3 本章小结
6 渝骄机器人人脸识别系统设计的实现
    6.1 渝骄机器人硬件平台
    6.2 人脸识别系统的软件实现
    6.3 实验测试
        6.3.1 实验一
        6.3.2 实验二
        6.3.3 实验三
        6.3.4 实验四
        6.3.5 实验五
        6.3.6 实验六
        6.3.7 实验七
    6.4 本章小结
7 总结与展望
    7.1 总结
    7.2 展望
参考文献
附录
    A 作者在攻读硕士学位期间申请的专利
    B 作者在攻读硕士学位期间参与的项目
    C 学位论文数据集
致谢


【参考文献】：
期刊论文
[1]迎宾机器人的控制系统设计[J]. 肖凤,覃琳.  电脑迷. 2018(08)
[2]服务型机器人的发展与应用[J]. 张童,许崇伟,刘智慧.  数码世界. 2018(03)
[3]有遮挡人脸识别综述:从子空间回归到深度学习[J]. 李小薪,梁荣华.  计算机学报. 2018(01)
[4]辩证解析机器人对日本经济的影响[J]. 冯昭奎.  日本学刊. 2016(03)
[5]服务机器人的现状及其发展趋势[J]. 嵇鹏程,沈惠平.  常州大学学报(自然科学版). 2010(02)
[6]机器人时代已经来临[J]. 杜以会.  科学之友（A版）. 2009(08)
[7]基于模板匹配与支持矢量机的人脸检测[J]. 梁路宏,艾海舟,肖习攀,叶航军,徐光祐,张钹.  计算机学报. 2002(01)
[8]“863”计划 智能机器人研究进展[J]. 卢桂章.  机器人技术与应用. 1995(01)

硕士论文
[1]面向迎宾机器人的人脸识别关键技术研究[D]. 石光耀.重庆大学 2017
[2]基于H.264/AVC误差补偿的鲁棒视频水印算法研究[D]. 彭林.江西理工大学 2016
[3]自主服务机器人在智能楼宇系统中的应用研究[D]. 林凯.厦门大学 2014
[4]基于主动形状模型人脸识别算法的研究与实现[D]. 魏伟.复旦大学 2012
[5]基于改进型主动外观模型的面部特征定位与人脸识别方法研究[D]. 常虹.合肥工业大学 2009



本文编号：3636021