基于深度学习的低分辨率人脸检测算法研究

发布时间：2020-03-20 07:23

【摘要】：人脸检测技术从上世纪六十年代提出至今已经获得了长足的发展,并在近年随着深度学习研究的发展,每年都会新出现大量优秀的人脸检测算法。当前的人脸检测算法虽然在有约束特定环境中,能够取得相当好的检测率,但是随着人脸检测技术应用范围的扩大,人脸检测需要面对越来越多的非限制场景,这些场景下的人脸图像经常质量较低,导致人脸的检测率大幅下降,因此对低分辨率人脸的检测技术显得至关重要。低分率人脸检测面对的问题主要在于人脸区域包含的特征信息过少,无法提取到足够准确描述人脸的特征信息。目前一种较为有效的低分辨率人脸检测方法是先利用超分辨率图像重建技术对低分辨率的人脸图像进行增强,得到高分辨率的图像之后,再进行人脸检测操作。SRGAN是第一个将生成对抗网络(GAN)应用到超分辨率重建领域的深度学习算法,取得了很好的效果。本文针对SRGAN网络进行了研究和改进,并针对低分辨率人脸检测的特点,将其与R-FCN网络结合,提出了一种拥有两级人脸检测器的新的低分辨率人脸检测模型。本文的主要工作如下:1、研究并改进了SRGAN超分辨率图像重建算法。本文通过引入EM散度到SRGAN网络模型中,提出了一种用于超分辨率图像重建的SRGAN-EM模型,原始SRGAN模型中,使用JS散度来评估真实样本与生产样本间的相似性,会导致GAN网络带来的训练困难,因此现有的GAN网络常常会引入K-Lipschitz限制,但这通常并不能完全解决GAN网络中的训练困难问题。本文通过引入EM散度,提出了一种比K-Lipschitz约束更加宽松的约束条件,对SRGAN存在的这些问题进行了优化,最后通过实验证明SRGAN-EM模型具有更优越的性能。2、本文利用SRGAN-EM,结合R-FCN设计了一个新的拥有两级人脸分类器的低分辨率人脸检测模型。本文在R-FCN的固有网络结构上,通过添加生成尺度更小的Anchors和使用Soft-NMS算法进行边框回归,降低了对小尺寸和重叠人脸区域的漏检,对部分R-FCN网络中无法分类的低分辨率样本进行超分辨率重建再分类,提高了对低分辨率人脸的检测能力。通过在Wider Face与SFD模型和原始R-FCN模型在数据集上的对照实验表明,本文提出的低分辨率人脸检测系统对低分辨率人脸有更好的检测能力,并且对人脸区域分辨率的鲁棒性更强。
【图文】：

图 2-1 人脸检测示例像的低分辨率意味着待检测图像能够提供的信息很少，常伴有大量噪大多数人脸检测算法都是基于高分辨率输入图像设计的，低分辨率利用方法和工具也很少，这些因素使得低分辨率人脸的检测一直是难点之一，相比于高分辨率人脸的检测，低分辨率人脸检测系统的性本概念像分辨率一般分为三个部分，即时间分辨率、色阶分辨率和空间分辨率决定了视频的输出帧率，色阶分辨率决定了图像显示色彩的丰满而最后的空间分辨率则就是我们通常所说的分辨率，它指的是一张图点的数量，决定了图片的清晰度。

图 2-1 人脸检测示例图像的低分辨率意味着待检测图像能够提供的信息很少，常伴有大量噪声绝大多数人脸检测算法都是基于高分辨率输入图像设计的，低分辨率人可利用方法和工具也很少，这些因素使得低分辨率人脸的检测一直是人的难点之一，相比于高分辨率人脸的检测，低分辨率人脸检测系统的性能。 基本概念图像分辨率一般分为三个部分，即时间分辨率、色阶分辨率和空间分辨率辨率决定了视频的输出帧率，色阶分辨率决定了图像显示色彩的丰满程，而最后的空间分辨率则就是我们通常所说的分辨率，它指的是一张图片素点的数量，决定了图片的清晰度。
【学位授予单位】：电子科技大学
【学位级别】：硕士
【学位授予年份】：2019
【分类号】：TP391.41;TP18

【相似文献】

相关期刊论文 前10条

1 周旭东;陈晓红;陈松灿;;半配对半监督场景下的低分辨率人脸识别[J];计算机研究与发展;2012年11期

2 柳坚;Windows XP爱富不嫌贫——自己动手找回低分辨率设置[J];电脑应用文萃;2005年01期

3 徐建平,施进明;气象卫星低分辨率资料传输的数字化[J];气象科技;2003年05期

4 李明;;卫星云图数字化处理系统[J];实验技术与管理;1988年01期

5 ;综合消息[J];国外空间动态;1988年06期

6 倪汉培;GMS低分辨率云图在1024×1024高分辨率显示器上的实时伪彩色显示[J];南京气象学院学报;1989年03期

7 储久良;袁宝华;;基于完备局部相位量化的低分辨率人脸识别[J];高技术通讯;2014年11期

8 张地;何家忠;彭宏;;低分辨率人脸序列的超分辨率重构识别[J];韶关学院学报;2007年06期

9 马慧;孙万春;汪炜玮;程代娣;;基于低分辨率的人脸识别方法研究[J];计算机测量与控制;2019年03期

10 薛杉;朱虹;王婧;史静;;低分辨率人脸图像的迭代标签传播识别算法[J];模式识别与人工智能;2018年07期

相关会议论文 前10条

1 徐建平;;气象卫星低分辨率资料传输的数字化[A];中国空间科学学会空间探测专业委员会第十五次学术会议论文集[C];2002年

2 丁哲元;刘斌;韩大鹏;姚莉;;低分辨率视频中空间目标特征计算方法研究[A];空天资源的可持续发展——第一届中国空天安全会议论文集[C];2015年

3 郭佳子;张占月;;基于置信度的卫星多分辨率建模与仿真[A];'2006系统仿真技术及其应用学术交流会论文集[C];2006年

4 冯大航;管鲁阳;李晓东;鲍明;;高低分辨率功率谱匹配度估计的线谱检测研究[A];泛在信息社会中的声学——中国声学学会2010年全国会员代表大会暨学术会议论文集[C];2010年

5 张玉萍;;基于低分辨率人脸识别系统的PCA算法分析[A];科技研究——2015科技产业发展与建设成就研讨会论文集（上）[C];2015年

6 隋兵;;基于小波变换的低分辨率多光谱遥感图像的数据融合[A];农业生态与卫星遥感应用技术学术交流会论文摘要集[C];2006年

7 孙帅;刘伟涛;刘吉英;陈平形;;自适应目标定位在关联成像中的应用[A];第十六届全国量子光学学术报告会报告摘要集[C];2014年

8 汪力;叶桦;夏良正;;贝叶斯框架下的人的检测[A];第七届全国信息隐藏暨多媒体信息安全学术大会论文集[C];2007年

9 但尚铭;但玻;许辉熙;薛万蓉;夏佳;;成都市城市演变对热岛效应的影响分析[A];第28届中国气象学会年会——S7城市气象精细预报与服务[C];2011年

10 张晓哲;刘丹;赵凡;叶雪婷;;高分辨质谱成像技术及应用[A];第三届全国质谱分析学术报告会摘要集[C];2017年

相关重要报纸文章 前10条

1 ;佳能喷墨打印机最新快递[N];科技日报;2000年

2 周丽娟;验证码打败了谁？[N];内蒙古日报(汉);2015年

3 本报记者 张巍巍;身临其境看电视[N];科技日报;2012年

4 湖南 头重脚轻;在WinXP下使用256色[N];电脑报;2002年

5 记者 周觅;TCL推出全球首台5G＋8K电视[N];惠州日报;2019年

6 本报记者 龚丹韵;有必要对《阿凡达》顶礼膜拜吗[N];解放日报;2010年

7 本报记者 张楠;从艺术家的角度诠释4K[N];中国计算机报;2014年

8 赵艳秋;TI最高速度16位ADC发布[N];中国电子报;2008年

9 ;CNN神秘的“档案”[N];网络世界;2002年

10 赛迪顾问股份有限公司 吕天文;2010年销售量有望突破百万台[N];中国计算机报;2006年

相关博士学位论文 前3条

1 熊志伟;基于范例的高性能图像超分辨率[D];中国科学技术大学;2011年

2 周旭东;基于不同多视图数据场景的典型相关分析研究和应用[D];南京航空航天大学;2013年

3 朱小柯;行人重识别关键匹配技术研究[D];武汉大学;2017年

相关硕士学位论文 前10条

1 沈晓峰;低分辨率下小物体检测技术研究[D];电子科技大学;2019年

2 刘意文;基于深度学习的低分辨率人脸检测算法研究[D];电子科技大学;2019年

3 刘仪;基于卷积神经网络的低分辨率细胞图像分割算法研究[D];西安理工大学;2019年

4 赵迪;人脸幻想研究[D];山东大学;2019年

5 张悦;具有姿态和光照鲁棒性的低分辨率人脸识别算法[D];吉林大学;2018年

6 刘操钢;基于深度学习的低分辨率人脸识别[D];哈尔滨工程大学;2018年

7 姜亚东;基于卷积神经网络的低分辨率行人与人脸检测和识别研究[D];电子科技大学;2018年

8 周猛;大规模MIMO中继协作方案设计及性能研究[D];西北师范大学;2018年

9 陈南真;复杂场景低分辨率人脸识别及其在身份识别系统的应用[D];电子科技大学;2018年

10 张一凡;低分辨率条件下的人脸识别算法研究[D];电子科技大学;2018年

，

本文编号：2591457