基于深度学习的复杂光照环境下人脸识别技术研究

发布时间：2024-07-03 01:27

　　随着计算机软硬件技术、生物识别技术和机器学习的日益成熟,基于深度学习的人脸识别技术受到了社会的广泛关注。人脸识别技术凭借着其非强制性、非接触性、高准确率、易于采集、高并发、无侵犯等特性,在个人身份识别、支付系统、公安系统、银行系统、政府部门和商业领域得到了广泛的应用。但是,由于人脸识别技术在实际应用中通常使用摄像头进行人脸图像采集,采集的人脸图像中含有大量的非人脸信息,而且自然环境下复杂光照易对图像中人脸信息造成影响,导致人脸识别中仍存在一系列问题亟待解决,例如:如何准确地提取采集图像中的人脸区域;针对复杂光照环境下人脸图像,如何有效地增强图像中的人脸信息;如何设计高性能的深度卷积神经网络模型结构,提高人脸识别准确率。这些问题的解决无疑对基于深度学习的复杂光照环境下人脸识别技术的研究产生一定的推动作用。因此,针对上述问题,本文展开研究的方向主要包含以下几个。(1)针对自然环境下采集的图像中存在大量非人脸信息的问题,设计了基于目标检测的人脸图像提取算法。给定待提取的图像,首先采用肤色分割技术对输入图像进行粗识别,获取包含人脸信息的候选区域;然后利用多任务级联网络模型对获取的候选区域进行精...

【文章页数】：66 页

【学位级别】：硕士

【部分图文】：

图1-1基于深度学习的复杂光照环境下人脸识别技术路线图

绪论7图1-1基于深度学习的复杂光照环境下人脸识别技术路线图Fig1-1Roadmapforfacerecognitiontechnologyincomplexlightingenvironmentsbasedondeeplearning1.4论文结构安排本论文以人脸图像为研究对....

图2-2CascadeCNN网络结构

相关技术理论基础92相关技术理论基础复杂光照环境下人脸识别系统的流程主要包括采集图像、人脸图像提娶图像增强、人脸识别和输出结果，如图2-1所示。本章按照人脸识别系统的流程依次介绍了基于深度学习的复杂光照环境下人脸识别技术中所用到的关键技术理论基础，包括人脸图像提取中多任务级联网络....

图2-3MTCNN网络结构

华北水利水电大学硕士学位论文10其中每一级网络的输入尺寸分别为12×12，24×24和48×48大小的图像，并且每一级网络都是二分类模型，对于正负样本，训练时分别缩放至对应的尺寸进行训练。2.1.2MTCNNMTCNN[43]是传统的增强级联结构与CNN的有效组合，其思想来自Ca....

图2-4CNN在人脸识别领域应用的网络结构案例

华北水利水电大学硕士学位论文12应的像素值为211，该值就是最后送入显示器的数据。Gamma函数可以有效校正图像的像素值，从而增强图像信息，但是传统的Gamma函数校正法中gamma的取值是需要提前设定，且校正过程中不发生改变，无法实现自适应校正操作。2.3卷积神经网络卷积神经网....

本文编号：4000316