基于生成对抗网络的跨年龄人脸识别技术研究
发布时间：2022-07-02 10:13
人脸识别因具有不易伪造、用户易接受、检测方式便捷且可靠性高等优点,在现实生活中得到了广泛应用。然而,人脸识别技术面临的一个重要制约因素在于跨年龄段人脸识别问题,即由于待检人员实际年龄与其保存在数据库中的面部图像采集的时间,存在较大的差异,导致人脸面部的信息特征发生明显改变,出现无法有效识别或误识别的情况,尤其在年龄跨度越大情况下,无法有效识别或误识别的问题更加严重。针对上述问题,本文先对人脸识别系统中的机器学习方法进行研究,设计了基于机器学习的跨年龄人脸识别实验,通过实验发现:常用机器学习的方法不能很好实现跨年龄人脸识别的目的。对于这一问题,并结合近几年来,生成对抗网络在图像处理和机器视觉领域中良好的实验效果,本文对生成对抗网络技术展开深入研究,提出了一种基于生成对抗网络技术的人脸跨年龄段识别方法,该方法利用条件性对抗自动编码器（Conditional Adversarial Auto Encoder,CAAE）模拟生成待检人员在不同年龄段的面部图像,利用生成图像与数据库中所保存的图像进行相似性比对。通过减小人脸随着年龄增大而带来的特征差异,从而提高跨年龄人脸识别率。本文设计并进行了单...
【文章页数】：57 页
【学位级别】：硕士
【文章目录】：
摘要
ABSTRACT
第1章 绪论
1.1 研究的背景及意义
1.2 国内外研究现状
1.2.1 基于特征学习的跨年龄人脸识别现状
1.2.2 基于人脸模拟的跨年龄人脸识别现状
1.3 论文的主要研究思路
1.4 本文各章节介绍
第2章 常用跨年龄人脸识别方法对比
2.1 常用跨年龄人脸识别方法
2.1.1 主成分分析法
2.1.2 BP神经网络法
2.1.3 支持向量机法
2.2 常用跨年龄人脸识别方法实验对比
2.2.1 实验数据库
2.2.2对比实验
2.3 本章小结
第3章 基于生成对抗网络的跨年龄人脸模拟
3.1 生成对抗网络
3.1.1 生成对抗网络的原理
3.1.2 生成对抗网络的发展
3.1.3 生成对抗网络的应用
3.2 条件性对抗自动编码器
3.2.1 条件性对抗自动编码器原理
3.2.2 CAAE人脸模拟的原理
3.2.3 CAAE人脸模拟实验
3.3 本章小结
第4章 基于CAAE的跨年龄模拟人脸识别实验
4.1 实验说明
4.2 实验设计
4.2.1 单样本不同年龄段的实验
4.2.2 指定年龄段多样本的实验
4.3 实验讨论
4.3.1 年龄跨度较大的实验现象
4.3.2 实验的反例
4.3.3 实验结果
4.4 实验结论
4.5 本章小结
第5章 总结与展望
5.1 工作总结
5.2 展望
参考文献
攻读硕士学位期间发表的论文及研究成果
在读期间发表和录用的论文
参与科研项目
在读期间获奖情况
致谢
【参考文献】：
期刊论文
[1]人工智能研究的新前线:生成式对抗网络[J]. 林懿伦,戴星原,李力,王晓,王飞跃. 自动化学报. 2018(05)
[2]生成式对抗网络:从生成数据到创造智能[J]. 王坤峰,左旺孟,谭营,秦涛,李力,王飞跃. 自动化学报. 2018(05)
[3]一种能量函数意义下的生成式对抗网络[J]. 王功明,乔俊飞,王磊. 自动化学报. 2018(05)
[4]协作式生成对抗网络[J]. 张龙,赵杰煜,叶绪伦,董伟. 自动化学报. 2018(05)
[5]基于稀疏编码和机器学习的多姿态人脸识别算法[J]. 赵玉兰,苑全德,孟祥萍. 吉林大学学报(理学版). 2018(02)
[6]基于条件深度卷积生成对抗网络的图像识别方法[J]. 唐贤伦,杜一铭,刘雨微,李佳歆,马艺玮. 自动化学报. 2018(05)
[7]基于余弦相似度的改进C4.5决策树算法[J]. 夏修臣,王秀英. 计算机工程与设计. 2018(01)
[8]基于集成人脸对距离学习的跨年龄人脸验证[J]. 吴嘉琪,景丽萍. 模式识别与人工智能. 2017(12)
[9]多特征组合和用户反馈的图像检索算法[J]. 丁万宁,李慧,焦洪强. 吉林大学学报(理学版). 2017(06)
[10]基于深度卷积神经网络的跨年龄人脸识别[J]. 李亚,王广润,王青. 北京邮电大学学报. 2017(01)
博士论文
[1]基于模糊支持向量机的多类分类算法研究[D]. 张永.大连理工大学 2008
[2]人脸检测和识别算法的研究与实现[D]. 赵丽红.东北大学 2006
[3]人脸自动识别中若干问题的研究[D]. 段锦.吉林大学 2004
硕士论文
[1]基于神经网络的二维人脸识别研究[D]. 杨森.西安电子科技大学 2018
[2]基于卷积神经网络的图像超分辨率研究[D]. 朱晓宁.燕山大学 2017
[3]基于深度学习的年龄不变人脸识别技术研究与实现[D]. 徐晨飞.电子科技大学 2017
[4]照片/素描及跨年龄阶段异质人脸的识别研究[D]. 王开芳.山东大学 2015
[5]基于SVM混合核函数的人脸识别[D]. 胡晶芳.杭州电子科技大学 2015
[6]基于集成学习的支持向量机预测优化算法及其应用[D]. 束诗雨.东华大学 2015
[7]基于改进的邻近点异常检测算法的异常检测系统研究与实现[D]. 朱东鹤.上海交通大学 2014
[8]基于形状特性的人脸相似度的描述与分析[D]. 贺笑.南京理工大学 2014
[9]基于小波变换和PCA类方法的人脸识别技术研究[D]. 李艳.西安电子科技大学 2014
[10]基于NMFs和RBF神经网络的人脸识别算法研究[D]. 程景添.武汉理工大学 2013
本文编号：3654177
【文章页数】：57 页
【学位级别】：硕士
【文章目录】：
摘要
ABSTRACT
第1章 绪论
1.1 研究的背景及意义
1.2 国内外研究现状
1.2.1 基于特征学习的跨年龄人脸识别现状
1.2.2 基于人脸模拟的跨年龄人脸识别现状
1.3 论文的主要研究思路
1.4 本文各章节介绍
第2章 常用跨年龄人脸识别方法对比
2.1 常用跨年龄人脸识别方法
2.1.1 主成分分析法
2.1.2 BP神经网络法
2.1.3 支持向量机法
2.2 常用跨年龄人脸识别方法实验对比
2.2.1 实验数据库
2.2.2对比实验
2.3 本章小结
第3章 基于生成对抗网络的跨年龄人脸模拟
3.1 生成对抗网络
3.1.1 生成对抗网络的原理
3.1.2 生成对抗网络的发展
3.1.3 生成对抗网络的应用
3.2 条件性对抗自动编码器
3.2.1 条件性对抗自动编码器原理
3.2.2 CAAE人脸模拟的原理
3.2.3 CAAE人脸模拟实验
3.3 本章小结
第4章 基于CAAE的跨年龄模拟人脸识别实验
4.1 实验说明
4.2 实验设计
4.2.1 单样本不同年龄段的实验
4.2.2 指定年龄段多样本的实验
4.3 实验讨论
4.3.1 年龄跨度较大的实验现象
4.3.2 实验的反例
4.3.3 实验结果
4.4 实验结论
4.5 本章小结
第5章 总结与展望
5.1 工作总结
5.2 展望
参考文献
攻读硕士学位期间发表的论文及研究成果
在读期间发表和录用的论文
参与科研项目
在读期间获奖情况
致谢
【参考文献】：
期刊论文
[1]人工智能研究的新前线:生成式对抗网络[J]. 林懿伦,戴星原,李力,王晓,王飞跃. 自动化学报. 2018(05)
[2]生成式对抗网络:从生成数据到创造智能[J]. 王坤峰,左旺孟,谭营,秦涛,李力,王飞跃. 自动化学报. 2018(05)
[3]一种能量函数意义下的生成式对抗网络[J]. 王功明,乔俊飞,王磊. 自动化学报. 2018(05)
[4]协作式生成对抗网络[J]. 张龙,赵杰煜,叶绪伦,董伟. 自动化学报. 2018(05)
[5]基于稀疏编码和机器学习的多姿态人脸识别算法[J]. 赵玉兰,苑全德,孟祥萍. 吉林大学学报(理学版). 2018(02)
[6]基于条件深度卷积生成对抗网络的图像识别方法[J]. 唐贤伦,杜一铭,刘雨微,李佳歆,马艺玮. 自动化学报. 2018(05)
[7]基于余弦相似度的改进C4.5决策树算法[J]. 夏修臣,王秀英. 计算机工程与设计. 2018(01)
[8]基于集成人脸对距离学习的跨年龄人脸验证[J]. 吴嘉琪,景丽萍. 模式识别与人工智能. 2017(12)
[9]多特征组合和用户反馈的图像检索算法[J]. 丁万宁,李慧,焦洪强. 吉林大学学报(理学版). 2017(06)
[10]基于深度卷积神经网络的跨年龄人脸识别[J]. 李亚,王广润,王青. 北京邮电大学学报. 2017(01)
博士论文
[1]基于模糊支持向量机的多类分类算法研究[D]. 张永.大连理工大学 2008
[2]人脸检测和识别算法的研究与实现[D]. 赵丽红.东北大学 2006
[3]人脸自动识别中若干问题的研究[D]. 段锦.吉林大学 2004
硕士论文
[1]基于神经网络的二维人脸识别研究[D]. 杨森.西安电子科技大学 2018
[2]基于卷积神经网络的图像超分辨率研究[D]. 朱晓宁.燕山大学 2017
[3]基于深度学习的年龄不变人脸识别技术研究与实现[D]. 徐晨飞.电子科技大学 2017
[4]照片/素描及跨年龄阶段异质人脸的识别研究[D]. 王开芳.山东大学 2015
[5]基于SVM混合核函数的人脸识别[D]. 胡晶芳.杭州电子科技大学 2015
[6]基于集成学习的支持向量机预测优化算法及其应用[D]. 束诗雨.东华大学 2015
[7]基于改进的邻近点异常检测算法的异常检测系统研究与实现[D]. 朱东鹤.上海交通大学 2014
[8]基于形状特性的人脸相似度的描述与分析[D]. 贺笑.南京理工大学 2014
[9]基于小波变换和PCA类方法的人脸识别技术研究[D]. 李艳.西安电子科技大学 2014
[10]基于NMFs和RBF神经网络的人脸识别算法研究[D]. 程景添.武汉理工大学 2013
本文编号：3654177
本文链接：https://www.wllwen.com/kejilunwen/zidonghuakongzhilunwen/3654177.html
