基于无人机平台的实时人脸识别技术研究

发布时间：2023-03-26 20:37

　　人脸识别是广泛应用的身份验证方式之一,尤其在非接触身份验证领域具有不可替代的优势。显然,在开放式户外场所进行目标追踪时,由于固定式人脸识别模式存在监控死角、无法机动等天然不足,而必须使用移动模式。传统的移动人脸识别属于地面机动方式,可以较好地解决上述缺陷,但仍存在诸如建筑物遮挡、平面机动受限、视野较窄等问题。因此,随着无人机的普及应用,近年来基于无人机实现高机动跟踪监控的技术成为研究热点。本文针对多维视角跟踪识别目标人物、特殊环境和紧急情况下快速识别目标的需求,对如何搭建灵活便携的智能化无人机平台及实现在移动设备上的快速人脸识别功能等问题进行了较为深入探讨。首先对常用的地空主从式人脸识别工作模式进行了研究分析,基于无人机智能化的概念,提出了一种基于无人机平台的地空协同、检判一体的快速人脸识别工作模式。其次,针对无人机存在计算资源和能源有限,而传统的人脸识别方法复杂度高、特征学习主动性不强、实时性差等不足,对人脸检测和匹配方法开展研究分析比对,选用Tiny YOLO实现人脸检测,选用FaceNet实现人脸匹配,并且为满足其能在无人机平台上达到运行速度和运行时长的要求,在保证人脸识别质量的...

【文章页数】：65 页

【学位级别】：硕士

【文章目录】：
摘要
abstract
第1章 引言
    1.1 课题来源与研究背景
        1.1.1 课题来源
        1.1.2 研究背景
    1.2 国内外研究现状与研究意义
        1.2.1 人脸图像检测的研究现状
        1.2.2 人脸图像匹配的研究现状
        1.2.3 人工智能加速芯片的研究现状
        1.2.4 研究意义
    1.3 本文主要研究工作
        1.3.1 研究目标
        1.3.2 研究内容
    1.4 本文组织结构
第2章 相关理论介绍与工作模式研究
    2.1 研究难点
    2.2 人脸检测
        2.2.1 传统的人脸检测方法
        2.2.2 基于深度学习的人脸检测方法
    2.3 人脸匹配
    2.4 人工智能加速芯片
    2.5 工作模式研究
        2.5.1 研究思路
        2.5.2 工作模式
第3章 基于Tiny YOLO的运动人脸检测
    3.1 概述
    3.2 基于无人机平台的人脸检测特征
        3.2.1 研究对象的特点
        3.2.2 无人机平台的特点
    3.3 基于Tiny YOLO的实时人脸检测模型
        3.3.1 卷积神经网络
        3.3.2 基于Tiny YOLO的实时人脸检测模型分析
    3.4 实证分析
        3.4.1 数据集与预处理
        3.4.2 实验环境与设置
        3.4.3 评估标准
        3.4.4 结果分析
    3.5 本章小结
第4章 基于FaceNet的人脸匹配
    4.1 概述
    4.2 基于FaceNet的人脸匹配模型
        4.2.1 迁移学习
        4.2.2 基于预训练FaceNet的人脸匹配模型
        4.2.3 基于嵌入式平台的FaceNet模型改进
    4.3 实证分析
        4.3.1 数据集与预处理
        4.3.2 实验参数设置
        4.3.3 评估标准
        4.3.4 结果分析
    4.4 本章小结
第5章 基于无人机平台的实时人脸识别系统的实现
    5.1 系统结构
    5.2 逻辑设计
    5.3 环境需求
    5.4 硬件加速设计
    5.5 软件功能设计
        5.5.1 数据采集模块
        5.5.2 图像预处理模块
        5.5.3 人脸检测模块
        5.5.4 人脸匹配模块
        5.5.5 研判处理模块
        5.5.6 通信模块
    5.6 系统测试与分析
        5.6.1 性能测试
        5.6.2 实例测试
    5.7 本章小结
第6章 总结与展望
    6.1 总结
    6.2 展望
致谢
参考文献
攻读学位期间的研究成果



本文编号：3771685