基于深度学习的多角度人脸识别方法研究与实现

发布时间：2021-02-10 18:27

　　在严格受控环境下,人脸识别具有非强制性、易获取性、易接受性等优势,在公共安全领域得到了广泛应用。在实际应用中采集到的多是侧脸图像,导致人脸识别准确率大幅降低,难以满足实际应用需求。因此,多角度人脸识别已成为一个研究热点。本文主要研究基于深度学习的多角度人脸检测与识别方法,设计并实现了多角度人脸检测与识别软件。具体工作如下:在人脸检测方面,提出了基于ResNet和DenseNet的YOLOV2两种人脸检测方法。在人脸特征提取阶段,第一种方法使用ResNet-50网络作为人脸特征提取器,采用跨层连接的方式,在增加网络深度的同时保证模型训练的稳定性。第二种方法使用DenseNet-201网络作为人脸特征提取器,采用密集连接的方式,增强网络对特征的利用率。在人脸检测阶段,采用锚点框预测人脸区域,使用不同尺度、比例先验框进行人脸检测,使得网络能够对不同形状的人脸实现精准预测。分别在CelebA和FDDB人脸数据集上对YOLOV2和本文提出的方法进行仿真实验与性能测试,实验结果表明,在CelebA数据集上,基于ResNet-50和DenseNet-201的YOLOV2人脸检测方法比YOLOV2方法... 

【文章来源】：中国人民公安大学北京市

【文章页数】：92 页

【学位级别】：硕士

【部分图文】：

Sigmoid激活函数图

Tanh激活函数图

ReLU激活函数图


本文编号：3027801