基于多分支网络的人脸属性分析

发布时间：2023-04-05 18:09

　　人脸分析是计算机视觉领域中重要的研究方向,在安防监控、金融安全、直播互娱、辅助驾驶领域中有广泛的应用。现有的人脸多任务分析的研究工作主要有两种方式:一种为单任务学习方式,每一个任务设计一个专门的模型;另一种为多任务学习,设计一个模型同时解决两三个任务。单任务学习方式在解决多任务的时候叠加多个模型,会增加存储和运算耗时;多任务学习的任务数量比较有限,各子任务无法达到同时收敛,并且速度无法达到实时运行要求。本学位论文综合考虑了人脸属性之间的相关性,并基于现有的人脸分析方法进行了一系列改进研究,主要包括:1.通过对数据进行预处理,针对辅助驾驶场景下人物侧脸、戴眼镜等关键点较难定位的情况,使用公开人脸检测器进行人脸检测并裁剪扩大人脸区域,设计并实现了Mobile Net-Landmark网络,并与传统方法LBF和深度学习方法DAN网络进行平行对比,平均误差和错误率均达到最优效果,运行速度为180FPS。2.提出多分支人脸网络结构,同时执行人脸识别、性别判断、年龄估计、外貌属性判断和面部表情分类五大任务。将人脸识别网络作为骨干网络,并根据剩余四个任务需要的局部和全局人脸特征的差异性,将年龄估计和...

【文章页数】：74 页

【学位级别】：硕士

【文章目录】：
致谢
摘要
Abstract
第1章 绪论
    1.1 论文研究的背景及意义
    1.2 国内外研究现状概述
        1.2.1 使用预处理图片的人脸分析
        1.2.2 未使用预处理的方法
        1.2.3 对特定任务设计专门网络的方法
        1.2.4 多任务学习网络的方法
    1.3 本文的研究内容和组织结构
第2章 神经网络基础及人脸数据集
    2.1 引言
    2.2 神经网络基础
        2.2.1 卷积层
        2.2.2 池化层
        2.2.3 全连接层
        2.2.4 深度可分离卷积
        2.2.5 残差连接
        2.2.6 激活函数
    2.3 人脸数据集
        2.3.1 人脸关键点数据集
        2.3.2 人脸识别训练数据集
        2.3.3 性别&年龄数据集
        2.3.4 外貌属性数据集
        2.3.5 人脸表情数据集
    2.4 评价指标
    2.5 本章小结
第3章 基于神经网络的数据预处理
    3.1 基于MTCNN的人脸检测
        3.1.1 MTCNN网络结构
        3.1.2 人脸区域扩大方式
    3.2 人脸关键点检测
        3.2.1 基于随机森林训练的LBF
        3.2.2 DAN网络
        3.2.3 Mobile Net-Landmark网络
        3.2.4 实验结果分析
    3.3 人脸矫正
    3.4 基于关键点判断人物疲劳状态
    3.5 本章小结
第4章 多分支网络训练实现和实验分析
    4.1 多分支人脸网络
        4.1.1 多分支人脸网络结构
        4.1.2 各任务训练损失函数
    4.2 多分支网络训练实现
        4.2.1 人脸识别
        4.2.2 低级特征任务
        4.2.3 高级特征任务
    4.3 实验结果分析
        4.3.1 人脸识别
        4.3.2 性别判断
        4.3.3 年龄估计
        4.3.4 外貌属性判断
        4.3.5 面部表情分类
    4.4 本章小结
第5章 总结与展望
    5.1 工作总结
    5.2 未来工作展望
参考文献
攻读学位期间科研成果



本文编号：3783879