基于小样本数据集的人脸识别算法比较研究

发布时间：2021-11-06 03:54

　　计算机和信息技术正迅速融入人们的日常生活。由于生物特征具有独特性推动了新兴识别方法的发展,引起了人们的广泛关注,被应用在安防、支付、解锁、案件侦破等领域。虽然人脸识别技术已经取得了很大的成功,但人脸识别技术仍然面临着一些挑战,比如:人脸相似性、人脸姿态、光照、表情、遮挡、年龄变化、成像场景的变化以及种族人脸特征识别等等,最主要的挑战来自于人脸图像数据的收集,小型数据收集过程中所付出的人工代价较少,然而目前大多数关于人脸识别的算法模型都需要大量的样本数据才能表现出最好的性能,但现实情况中很难收集到这样的数据集。一些主流的人脸识别算法很难广泛地应用在现实场景中,首先当训练数据中样本数据有限时模型训练的样本数不足易导致过拟合现象,其次,样本图像具有较高的相似度和复杂的特征结构时,在分类任务中很难区分类内和类间样本距,导致误识别或识别精度不明显等问题,另外一点就是算法的偏差问题,也就是说不同的算法在同一种人脸中的识别精度有所不同,各有各的优缺点。因此,分析不同算法的性能,如何选择最优的识别方法,如何从人脸图像相似度较大的少量多样化的训练样本中提取有效地判别特征,保证人脸识别模型的实时性和算法的... 

【文章来源】：伊犁师范大学新疆维吾尔自治区

【文章页数】：69 页

【学位级别】：硕士

【部分图文】：

人脸识别技术的应用

基于小样本数据集的人脸识别算法比较研究3图1-1人脸识别技术的应用图1-2人脸识别算法的基本流程姿态表情光照遮挡图1-3人脸检测及特征点定位在过去的一些年中，人脸识别己成为计算机视觉和模式识别领域中的一个前沿课题，在工业界与学术界受到了广泛地关注。与其他身份鉴别方法相比人脸识别具有如下的几个优点：1）在获取面部图像时不与客户发生肢体上的接触，可以在客户无意识下进行检测；2）用户在使用人脸识别系统时只需要利用手机上自带摄像头、数码相机、或者普通的成像设备即可，用起来很方便；3）指纹，虹膜等方法是没有经过特殊训练的人，我们无法利用指纹和虹膜图像来对他人进行身份识别，而基于面部识别技术与人类的习惯一致，人和机器都可以使用人脸图片进行识别，并且在人脸识别系统中，整个人脸识别的过程不需要用户主动的进行参与，只需要系统对采集图像并且完成检测以及

基于小样本数据集的人脸识别算法比较研究3图1-1人脸识别技术的应用图1-2人脸识别算法的基本流程姿态表情光照遮挡图1-3人脸检测及特征点定位在过去的一些年中，人脸识别己成为计算机视觉和模式识别领域中的一个前沿课题，在工业界与学术界受到了广泛地关注。与其他身份鉴别方法相比人脸识别具有如下的几个优点：1）在获取面部图像时不与客户发生肢体上的接触，可以在客户无意识下进行检测；2）用户在使用人脸识别系统时只需要利用手机上自带摄像头、数码相机、或者普通的成像设备即可，用起来很方便；3）指纹，虹膜等方法是没有经过特殊训练的人，我们无法利用指纹和虹膜图像来对他人进行身份识别，而基于面部识别技术与人类的习惯一致，人和机器都可以使用人脸图片进行识别，并且在人脸识别系统中，整个人脸识别的过程不需要用户主动的进行参与，只需要系统对采集图像并且完成检测以及


本文编号：3479112