智能人脸识别方法研究与应用

发布时间：2023-03-03 18:28

　　人脸识别作为目前最热门的生物识别技术之一。它已被广泛运用到安保、通行、司法等领域。但是在实际环境下人脸识别的准确率易受光照强度、姿态、遮挡等诸多因素的影响,因此人脸识别还有许多待解决的问题。针对现有的人脸识别算法的不足,本文的具体研究工作有以下几个方面:(1)针对深度置信网络在直接进行人脸特征提取时忽略局部特征的问题,同时考虑到传统的局部三值模式对纹理的特征描述不足,导致最终提取的局部信息不够详细,因此本文提出了一种基于改进的局部三值模式和深度置信网络相结合的人脸识别算法,将传统的局部三值模式中周围像素点与中间像素点的差值与某一固定阈值进行比较改为了相邻像素点进行两两比较,然后将它们的差值与计算出的动态阈值进行比较,同时为了防止图像因为旋转问题而降低识别率,将局部二值模式的旋转不变性引入到了改进的局部三值模式中。下一步将改进的局部三值模式提取的特征作为深度置信网络的输入,然后对深度置信网络进行参数调优,最终完成识别任务。在公开人脸数据库中,经过实验验证了该算法的有效性。(2)DenseNet网络虽然采用密集连接的方式加强了特征的传递,但是随着特征图的增多,产生的冗余信息也不断增多。在这...

【文章页数】：63 页

【学位级别】：硕士

【文章目录】：
摘要
abstract
第一章 引言
    1.1 研究背景及意义
    1.2 国内外研究现状
    1.3 本文的内容结构安排
第二章 深度学习理论
    2.1 神经网络理论基础
        2.1.1 神经元模型
        2.1.2 前向传播算法
        2.1.3 误差反向传播算法
    2.2 卷积神经网络结构组成
        2.2.1 卷积层
        2.2.2 激活函数层
        2.2.3 池化层
        2.2.4 全连接层
    2.3 卷积神经网络模型
        2.3.1LeNet-5
        2.3.2 Alex Net
        2.3.3 Vgg Net
        2.3.4 Res Net
    2.4 本章小结
第三章 基于改进的局部三值模式和深度置信网络的人脸识别算法
    3.1 局部三值模式和深度置信网络的基本概念
        3.1.1 局部三值模式基本概念
        3.1.2 深度置信网络基本概念
    3.2 本章的人脸识别算法
        3.2.1 改进的LTP算法
        3.2.2 人脸识别算法具体实现
    3.3 实验结果与分析
        3.3.1 在ORL人脸库进行实验
        3.3.2 在YALE人脸库进行实验
    3.4 本章小结
第四章 基于改进的Face Net的人脸识别
    4.1 Face Net网络结构模型
    4.2 Dense Net网络模型
    4.3 改进的卷积神经网络
    4.4 损失函数的设计
    4.5 相似度度量
    4.6 实验结果与分析
        4.6.1 实验平台和训练参数
        4.6.2 在CASIA-Face V5 数据库中进行实验
        4.6.3 在Face Scrub数据库中进行实验
        4.6.4 在CASIA-Web Face数据库中进行实验
    4.7 本章小结
第五章 人脸识别系统的设计与实现
    5.1 系统开发环境
    5.2 人脸识别系统的总体架构
    5.3 系统的主要模块设计
    5.4 人脸识别系统的测试与分析
        5.4.1 光照强度的影响
        5.4.2 人脸姿态的影响
        5.4.3 遮挡条件的影响
        5.4.4 多人脸识别功能的测试与分析
        5.4.5 时间性能分析
    5.5 本章小结
第六章 总结与展望
    6.1 总结
    6.2 展望
参考文献
攻读学位期间的研究成果
致谢



本文编号：3752885