基于深度学习的实时视频人脸识别方法的研究

发布时间：2021-02-21 03:15

　　随着人工智能产业的发展,计算机视觉在人们的生活和各种行业中占据了越来越重要的地位,大面积应用于交通出行、平安城市、无人机、金融服务和机器人等场景中。其中,视频中人脸识别技术是计算机视觉领域的一个核心研究问题。目前,静态图像中的人脸识别技术已经逐渐成熟,准确率也比较高,但是将其应用于视频中的人脸识别时,算法的时效性比较差,无法满足视频中人脸的实时识别需求。针对视频中人脸的实时识别需求,本文基于Caffe框架,在LFW和YTF公开人脸数据集及摄像头拍摄的视频数据集上,提出了一种基于深度学习的人脸识别框架,并针对其准确率和时效性问题进行了持续改进。主要工作如下:1、提出了一种基于深度学习的人脸识别框架FR-DL,集成了 MTCNN人脸检测、仿射变换人脸对齐、lightened CNN人脸特征提取和余弦距离人脸匹配等。2、将视觉跟踪引入到FR-DL中,提出了一种基于视觉跟踪的实时视频人脸识别框架RFRV-VT。框架将视频进行分组识别,组内实现人脸识别和人脸跟踪,组间采用双重匹配实现人脸信息连接。为了进一步提高RFRV-VT的时效性,将哈希索引引入到人脸匹配中,把人脸特征转换为哈希特征,并采用两... 

【文章来源】：厦门大学福建省 211工程院校 985工程院校 教育部直属院校

【文章页数】：90 页

【学位级别】：硕士

【部分图文】：

图１－１：?ＬＦＷ数据集上各算法准确率比较??

ｌｉ＾ｉｉ?．ｐｉ?Ｉ??Ｌｍｍｍ??图１－３：视频数据中的模糊、遮挡和姿态变化??当前大多数视频中人脸识别方法是将视频分成一帧帧图像，然后采用静态??图像的识别技术进行人脸检测分析，能够有限程度上解决视频中的人脸识别问??题，但是它们还普遍存在着以下问题：??１、

０?０．１?０．２?０．３?０．４?０．５?０．６?０．７?０．８?０．９?１??ｆａｌｓｅ?ｐｏｓｉｔｉｖｅ?ｒａｔｅ??图１－２：?ＹＴＦ数据集准确率比较??ｌｉ＾ｉｉ?．ｐｉ?Ｉ??Ｌｍｍｍ??图１－３：视频数据中的模糊、遮挡和姿态变化??当前大多数视频中人脸识别方法是将视频分成一帧帧图像，然后采用静态??图像的识别技术进行人脸检测分析，能够有限程度上解决视频中的人脸识别问??题，但是它们还普遍存在着以下问题：??１、


本文编号：3043763