基于改进神经网络的人脸识别算法研究

发布时间：2021-10-07 21:03

　　人脸识别技术是人工智能领域中非常重要的问题,也是当前研究的热门课题之一.本文主要针对在外部因素影响下,基于神经网络的人脸识别算法进行研究,得出了具有鲁棒性强且识别效率高的人脸识别方法.论文主要研究内容如下:（1）通过采用主成分分析对卷积神经网络中卷积核进行初始化,降低卷积计算的复杂性,同时减少运行时间.其次,采用改进学习率的方法对卷积层权值更新进行优化.实验结果表明:优化后的神经网络识别率明显提高.（2）通过采用尺度归一化和灰度归一化的方法,对人脸数据集进行预处理,实验结果表明:经过对图像数据归一化处理后,明显降低了光照对人脸识别的影响,从而更有利于提取人脸的特征.（3）提出了基于Sobel算子预处理的卷积神经网络人脸识别方法,然后将改进的网络与PCA、BP神经网络和传统CNN的人脸识别方法进行对比试验,实验结果表明,改进的网络识别率明显提高,识别效率明显加快.图17幅,表5个,参考文献52个 

【文章来源】：西安工程大学陕西省

【文章页数】：44 页

【学位级别】：硕士

【文章目录】：
摘要
abstract
1 绪论
    1.1 研究背景及意义
    1.2 人脸识别的发展
    1.3 本文主要内容
2 预备知识
    2.1 神经网络发展回顾
    2.2 卷积神经网络
3 基于PCA初始化的神经网络
    3.1 基于卷积神经网络的初始化
    3.2 卷积层权值的优化
    3.3 实验分析
        3.3.1 数据集
        3.3.2 实验
    3.4 小结
4 人脸识别数据集的归一化处理
    4.1 尺度归一化
    4.2 灰度归一化
        4.2.1 图像均衡化算法
        4.2.2 改进的均衡化算法
    4.3 小结
5 基于Sobel算子及改进卷积神经网络的人脸识别
    5.1 传统CNN网络
    5.2 改进的CNN网络
        5.2.1 Sobel算子
        5.2.2 改进卷积神经网络结构
        5.2.3 激活函数优化
    5.3 人脸数据集
    5.4 实验步骤
    5.5 实验结果分析
    5.6 小结
6 总结和研究展望
    6.1 总结
    6.2 展望
参考文献
攻读学位期间发表的学位论文
致谢


【参考文献】：
期刊论文
[1]深度学习算法中卷积神经网络的概念综述[J]. 李策,陈海霞,汉语,左胜甲,赵立刚.  电子测试. 2018(23)
[2]改进卷积神经网络的语音情感识别方法[J]. 曾润华,张树群.  应用科学学报. 2018(05)
[3]基于改进SURF的视频拼接算法[J]. 管增伦.  煤炭科学技术. 2018(S2)
[4]基于BP神经网络的手写数字识别及优化方法[J]. 夏少杰,项鲲.  智能物联技术. 2018(01)
[5]激活函数在卷积神经网络中的对比研究[J]. 田娟,李英祥,李彤岩.  计算机系统应用. 2018(07)
[6]ReLU激活函数优化研究[J]. 蒋昂波,王维维.  传感器与微系统. 2018(02)
[7]一种基于分区均值的噪声图像优化检测算法[J]. 沈同平,高洁,方芳,王元茂.  绍兴文理学院学报(自然科学). 2017(03)
[8]基于改进激活函数的卷积神经网络研究[J]. 曲之琳,胡晓飞.  计算机技术与发展. 2017(12)
[9]基于形态滤波和Sobel算子的微钙化簇边缘检测算法[J]. 钟明霞.  计算机时代. 2017(03)
[10]初始化卷积神经网络的主成分洗牌方法[J]. 李玉鑑,沈成恺,杨红丽,胡海鹤.  北京工业大学学报. 2017(01)

博士论文
[1]人脸识别中若干关键问题的研究[D]. 山世光.中国科学院研究生院（计算技术研究所） 2004

硕士论文
[1]基于卷积神经网络的人脸面部表情识别方法研究[D]. 张璐璐.河北科技大学 2019
[2]基于卷积神经网络的人脸识别方法研究[D]. 赵天奇.大连理工大学 2018
[3]卷积神经网络权值初始化方法研究[D]. 沈成恺.北京工业大学 2017
[4]人脸五官定位算法研究[D]. 李彦君.中北大学 2013
[5]基于多分类器的人脸识别算法的研究与实现[D]. 郑轶.东北大学 2008



本文编号：3422768