基于深度学习的低分辨率人脸识别研究

发布时间：2025-01-06 07:20

　　随着现代社会对人脸识别任务的需求飞速增长,视频监视系统也越来越多的被应用于安全和取证领域。因此,在一些复杂的不受约束的场景中,比如人流十分拥挤的市区街道,通常需要对摄像头抓拍到的一些行人的人脸进行人脸识别。但在大多数情况下,这些抓拍到的人脸存在其他因素对人脸识别任务的干扰,比如光照强度的变化以及摄像头所处位置的角度不同会导致人脸识别模型提取出来的特征差别较大,这些因素无疑会对人脸识别任务的准确度造成影响。此外,由于被关注的对象和摄像头之间的距离过大导致人脸分辨率过低的情况也十分普遍,需要从低分辨率人脸图像中提取出来的特征与高分辨率人脸库的特征进行匹配。由于这些低分辨率人脸具有信息量少、噪声多的特点,如何匹配不同分辨率的人脸图像将是一项实际但具有挑战性的任务。对于低分辨率人脸识别任务,我们从两个方面入手,对现有人脸识别方法进行改进,并取得了更好的识别效果,本文的主要研究内容和创新思想如下:(1)针对基于嵌入的低分辨率人脸识别问题,提出了基于嵌入的渐进部分耦合的低分辨率人脸识别网络。对于网络模型的设计,我们采用了渐进耦合策略,来探究耦合不同深度的卷积层对实验结果产生的影响。由于高分辨率分支网...

【文章页数】：77 页

【学位级别】：硕士

【部分图文】：

图2.1低分辨率人脸识别框图

第2章低分辨率人脸识别相关技术研究9第2章低分辨率人脸识别相关技术研究本文研究内容为基于深度学习的低分辨率图像人脸识别技术。为了更好地开展研究工作，本章节主要从低分辨率人脸识别技术、超分辨率重构技术和卷积神经网络三个方面进行相关理论阐述。2.1低分辨率人脸识别技术近几十年来，大量....

图2.1低分辨率

第2章低分辨率人脸识别相关技术研究9第2章低分辨率人脸识别相关技术研究本文研究内容为基于深度学习的低分辨率图像人脸识别技术。为了更好地开展研究工作，本章节主要从低分辨率人脸识别技术、超分辨率重构技术和卷积神经网络三个方面进行相关理论阐述。2.1低分辨率人脸识别技术近几十年来，大量....

本文编号：4023991