基于深度学习的视频人脸检测和目标跟踪

发布时间：2020-05-24 19:00

【摘要】：伴随着科技的迅速发展,计算机技术在当今社会生活中扮演着非常重要的角色,计算机处理视觉信息的能力,在很大程度上弥补人类在视觉上的短板,因而使得计算机视觉研究也变成了现如今非常诱人的科研方向之一,计算机视觉分析是一门交叉性较强的学科,它包含了图形图像处理,模式识别,人工神经网络等。而计算机视觉研究的目的是为了通过对视频图像的分析使得计算机感知环境中的物体的几何信息,包括它的形状、位置、姿态、运动等,如今视频图像分析技术在图像分割、行为识别、目标跟踪等领域的成果正日益广泛的用到了企业安防、航空航天、智慧交通以及家庭安全等诸多领域。本文主要研究了非限制性条件下人脸检测算法,基于现有的检测算法进行改进优化,同时基于现有的目标跟踪算法进行性能提升,并且通过人脸检测、目标跟踪以及卷积神经网络的相关的技术知识学习与总结,完成了大量基于卷积神经网络的人脸检测与识别、目标跟踪的实验,并将所研究的算法运用到实际的安防产品中去,并在工程方面不断优化。本文着力研究的方面包括:1)设计出快速精准的检测网络。本文经过大量的实验分析,设计出一个快速的深度卷积神经网络,基于已有的目标检测模型进行改进,将目标检测算法改成通用的人脸检测算法,通过对网络结构的修改、参数调优以及部分策略的运用,实现了在提高检测速度的同时在速度与准确率之间达到一个平衡。此外本文使用了香港大学,商汤科技,中科院深圳先进所联合发部的Wider Face数据集来进行训练,并在人脸数据集FDDB上进行测试,验证训练模型的可行性;2)研究了基于元递归神经网络的目标跟踪算法,根据长短时记忆记忆网络结合时空上下文信息,将连续视频序列的信息联系起来,通过元学习,学习初始化参数增强模型对于未来帧的鲁棒性,并且在VOT数据集上进行训练,在OTB数据集上测试跟踪模型性能;3)设计了在复杂场景下基于人脸识别与目标跟踪的安防系统:本文设计了一个具有人脸检测、人脸识别、目标跟踪、存储数据,实时报警以及区域轨迹展示的多功能安防系统。经过对算法的准确性以及系统稳定性的测试,在ISC(International Security Conference,原中国互联网安全大会)大会、国家网络安全周上进行展示,取得较好效果。
【图文】：

编码序列,指纹,生物特征,隐私保护

图 1.1 隐私保护如今，指纹的使用是目前使用最广且最成熟的生物特征手段，如：指纹打卡考勤指纹解锁，但是指纹是比较容易被窃取的生物特征，当手机被犯罪分子盗窃，，犯罪分子便可窃取机主指纹再通过指纹识别的方式，完成银行卡的转账交易和其它网上支付。虹膜识别相对于指纹识别来说，安全性要更高，并且属于非接触性的人体生物特征，它与指纹识别不一样地是不需要人体与特征提取其进行接触，而是通过摄像头对人眼虹膜的纹理结构进行扫描，并生成特定的编码序列，然后将扫描得到的编码存在手机的硬件加密区域内，但是运用并不宽泛的主要原因是摄像头发出的红外线对人眼容易造成损伤，对于消费者来说，解锁需求比较频繁的手机等移动终端频繁地使用虹膜解锁，容易导致白内障等眼部疾病。而人脸作为每个人独特的标识，有着如下几个优点：（1）便利性：许多公司大楼门禁使用人脸识别考勤，校园里使用人脸识别管理出入校园，校园宿舍使用人脸识别确保宿舍安全不被陌生人进入，在楼宇以及社区使用人脸识别对进入人群进行监控并加以区分；（2）非接触性：人脸识别同指纹，密码等有着无需接触的优良特性，无需与相

全连接,局部连接,卷积核,卷积

每个神经元相互连接是一个全连接模式。如图 2.1 所示，图 2.网络结构但是在卷积神经网络中是局部连接，局部连接使得训减少。在卷积神经网络中，因为每一层的感受区域不一样，因此的例如边缘、角点等特征都不一样，经过高层神经元的融合之后能力的视觉特征。
【学位授予单位】：山东工商学院
【学位级别】：硕士
【学位授予年份】：2019
【分类号】：TP391.41;TP181

【相似文献】