基于超分辨率重建技术的人脸检测算法研究

发布时间：2024-05-11 03:59

　　近年来人脸检测技术在研究人员的不懈努力下已经得到了快速发展,然而与实际应用的需求还有较大的差距。在非约束条件下,由于受到拍照姿势,成像距离以及光照等影响,我们获取到的人脸图像通常都比较模糊,这对图像分析、提取特征等任务十分不利,从而也导致人脸的检测率大大降低。因此,如何解决自然场景下人脸检测的准确性、稳定性和高效性是近年来模式识别与计算机视觉领域内活跃的研究课题。为了提高人脸检测在实际场景上的应用性,本文所做研究内容如下:(1)针对MTCNN等现有模型检测低分辨率小人脸时碰到的局限性和弊端,本文提出构建基于辅助视觉任务的多任务深度网络模型。首先通过构建堆叠沙漏网络模型,成功在人脸图像中提取人脸特征信息,弥补了卷积神经网络中浅层特征本不具备的高层语义信息,增强了深层特征易丢失的目标纹理信息。并在此基础上研究了基于先验信息和生成对抗网络融合的人脸检测模型(TFPGAN),将图像超分辨率重建作为人脸检测的辅助视觉任务,提出了新的生成对抗网络模型,有效缓解小目标的特征粗糙问题,在恢复图像细节的同时也能提高小尺度人脸的检测精度,并与其他现有模型进行了实验对比证明其有效性。(2)研究了如何通过自注...

【文章页数】：68 页

【学位级别】：硕士

【部分图文】：

图2.1人脸检测任务Fig2.1Thetaskoffacedetection

合肥工业大学专业硕士学位论文8第二章人脸检测及超分辨率重建关键技术人脸检测任务的目的是找出图像中所有人脸相对应的位置，而算法的输出是人脸外接的矩形框在该图像中的坐标，如下图说我们所示。图2.1人脸检测任务Fig2.1Thetaskoffacedetection我们平常所见的高分辨....

图2.2经典人脸检测算法流程图

第二章人脸检测及超分辨率重建关键技术9（4）人脸被口罩、面具等物体遮挡。综上所述在复杂多变的背景环境中检测到全部人脸是一项极具挑战性的任务。其中如何提取不受复杂背景因素影响的鲁棒性人脸特征和如何设计分类算法将人脸与背景分离开来就成了人脸检测任务中的关键问题。下面就将在人脸检测研究....

图2.3图像金字塔Fig2.3Imagepyramid

合肥工业大学专业硕士学位论文10图2.3图像金字塔Fig2.3Imagepyramid上述方法可以解决2.1节中提到的人脸检测的前两个核心问题，但是依然存在姿态偏转、光照噪声和遮挡这些有关鲁棒性的挑战。接下来要进行的工作是选择合适的特征提取方法，因为提取的人脸特征是否具有较高的鲁....

图2.5点(x，y)的积分图

第二章人脸检测及超分辨率重建关键技术11图2.4Haar-like的基本特征图Fig2.4CommonfeaturemapofHaar-like虽然这种特征值计算方式简单，但是在图像处理过程中，产生了大量的图像子窗口，从而导致需要计算的Haar-like特征数量十分巨大，因此研究....

本文编号：3969487