基于虚拟样本生成的复杂面部识别研究
发布时间：2021-11-15 18:19
人脸识别从十九世纪五六十年代提出并发展至今,已成功成为生物特征识别中最突出、最广泛用于验证身份信息的识别技术。人脸识别技术隶属于计算机视觉和图像处理领域的交叉研究学科,具有广阔的应用前景,且非常满足实际应用需求。人脸识别技术作为生物特征识别技术的一种,由于其在应用场合中,与其他识别技术相较而言,对群众具有便利性、非接触性和不易察觉性等优点,近些年受到高校研究人员和相关企业的重点关注及研究。在如今技术推动下,可控环境和用户配合条件下,人脸识别系统能够取得较好的识别率,然而随着人脸识别技术在实际应用中的广泛使用,人脸图像往往容易受到面部姿态变化和遮挡的影响,给传统人脸识别研究带来了严峻的挑战。困难其一在于面部姿态变化、遮挡等复杂的面部会使面部五官特征信息缺失,提取不到满足识别的特征信息;其二是由于目前数据库中大姿态变化、遮挡的人脸图像数量缺乏,也没有专用的数据库来用于复杂面部识别。上面已说明本文主要针对实际图像中具有大姿态变化、遮挡等训练样本不足的问题,提出了构造虚拟样本,并结合深度学习可以提取深层特征信息的优势,来实现复杂人脸识别实验。基于海量数据的深度学习的基础上,主要有两方面针对当前...
【文章来源】：伊犁师范大学新疆维吾尔自治区
【文章页数】：68 页
【学位级别】：硕士
【部分图文】：
五种主流生物特征识别展示
蟆?irza等[17]提出CGAN是在原始GANs的基础上引入了额外的标签信息c，它是从随机噪声向量中分出一部分来引导网络有目标的生成所需的图像，然后在生成网络和判别网络中都加入训练图像所对应的标签，使得网络具备监督形式。通过后期实验和其他研究人员文章对比，发现CGAN在生成图像中，依然会遭受到输入噪声的影响，本文所需要的虚拟样本是仅面部属性发生变化，其余部分不发生改变，仍分类为同一人，并为样本缺乏问题及提高复杂面部的识别带来实质性的解决效益，这个在3.4节中会进行详细说明。本论文技术规划过程如下：图1-2：全文技术路线规划图1.5论文组织结构本文的组织结构如下：第一章：绪论。在这一章，详细介绍了课题的研究背景，分别介绍了传统人脸识别和复杂情形下人脸识别的研究现状，阐述了复杂人脸识别对实际应用场景的重要意义，并且指出了当前复杂情况下人脸识别技术仍存在的问题，详细介绍了论文的主要研究内容，对论文整体组织结构进行完整说明。第二章：介绍了大姿态变化、遮挡复杂面部识别的方法。在这一章，首先介绍了人脸识别的框架，详细描述人脸识别四个步骤：人脸图像采集及检测、人脸图像预处理、人脸图像特征提取以及匹配与识别。其次分别详细介绍了传统面部识别技术和复杂面部
基于虚拟样本生成的复杂面部识别研究11第二章复杂面部识别相关技术研究方法人脸识别的概念早在1888年就被一名法国研究人员Galton[39]提出，在文章详细描述了如何使用人脸识别来确定身份，然而真正开始进行人脸识别技术是在1965年，Chan和Bledsoe[40]在PanoramicResearchInc上发表了第一篇人脸识别技术论文，人脸识别技术已发展了大半个世纪之久，而且随着计算机硬件性能的提升和软件的开发，使得人脸识别技术也得到了井喷式的发展。目前人脸识别技术被应用于许多场合，在人们生活中也越来越被了解和使用，例如手机的面部解锁、刷脸支付、进出口人证验证以及安防监控中疑犯追踪等。但是在取得长足进步的同时也面临一些实际问题的困扰，人脸的表情变化、年龄变化、光照变化、姿态变化和面部遮挡都会在识别过程中造成不可避免的错误，这种因素下的识别统称为复杂人脸识别。深度学习可以学习图像的深层特征、表达能力强，能够在大规模训练数据上获得更佳的成果，为复杂情形下的人脸识别提供了有效解决办法和新的思路。2.1人脸识别过程无论是哪一种方法，人脸识别技术总要经过四个步骤：人脸图像数据采集、图像预处理、图像特征提取以及对比与识别[1、4、10]。图2-1：人脸识别技术框架（一）人脸图像采集：获取二维人脸图像是人脸识别技术中重要的步骤，得到样本
【参考文献】：
期刊论文
[1]基于卷积神经网络的掌纹识别[J]. 陈杰,张雷,张睿,解丹,闫耀东,叶子维,柴钰杰. 软件工程. 2019(10)
[2]数字声纹在身份识别方面的应用探究[J]. 崔永波,韩鹏鹏. 电子世界. 2019(10)
[3]人脸识别技术在人像鉴定中的应用研究[J]. 曾锦华,施少培,卞新伟,邱秀莲. 中国司法鉴定. 2019(02)
[4]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)
[5]非受限条件下多级残差网络人脸图像年龄估计[J]. 张珂,高策,郭丽茹,苑津莎,赵振兵,李保罡. 计算机辅助设计与图形学学报. 2018(02)
[6]基于人脸识别的大数据分析技战法[J]. 刘冬. 通讯世界. 2017(14)
[7]大数据与深度学习综述[J]. 马世龙,乌尼日其其格,李小平. 智能系统学报. 2016(06)
[8]基于AdaBoost算法的人脸识别系统的研究与实现[J]. 马博宇,尉寅玮. 仪器仪表学报. 2016(S1)
[9]从图灵测试到深度学习:人工智能60年[J]. 万赟. 科技导报. 2016(07)
[10]多姿态人脸识别综述[J]. 邹国锋,傅桂霞,李海涛,高明亮,王科俊. 模式识别与人工智能. 2015(07)
博士论文
[1]图像特征提取方法及其在人脸识别中的应用[D]. 李勇智.南京理工大学 2009
本文编号：3497274
【文章来源】：伊犁师范大学新疆维吾尔自治区
【文章页数】：68 页
【学位级别】：硕士
【部分图文】：
五种主流生物特征识别展示
蟆?irza等[17]提出CGAN是在原始GANs的基础上引入了额外的标签信息c，它是从随机噪声向量中分出一部分来引导网络有目标的生成所需的图像，然后在生成网络和判别网络中都加入训练图像所对应的标签，使得网络具备监督形式。通过后期实验和其他研究人员文章对比，发现CGAN在生成图像中，依然会遭受到输入噪声的影响，本文所需要的虚拟样本是仅面部属性发生变化，其余部分不发生改变，仍分类为同一人，并为样本缺乏问题及提高复杂面部的识别带来实质性的解决效益，这个在3.4节中会进行详细说明。本论文技术规划过程如下：图1-2：全文技术路线规划图1.5论文组织结构本文的组织结构如下：第一章：绪论。在这一章，详细介绍了课题的研究背景，分别介绍了传统人脸识别和复杂情形下人脸识别的研究现状，阐述了复杂人脸识别对实际应用场景的重要意义，并且指出了当前复杂情况下人脸识别技术仍存在的问题，详细介绍了论文的主要研究内容，对论文整体组织结构进行完整说明。第二章：介绍了大姿态变化、遮挡复杂面部识别的方法。在这一章，首先介绍了人脸识别的框架，详细描述人脸识别四个步骤：人脸图像采集及检测、人脸图像预处理、人脸图像特征提取以及匹配与识别。其次分别详细介绍了传统面部识别技术和复杂面部
基于虚拟样本生成的复杂面部识别研究11第二章复杂面部识别相关技术研究方法人脸识别的概念早在1888年就被一名法国研究人员Galton[39]提出，在文章详细描述了如何使用人脸识别来确定身份，然而真正开始进行人脸识别技术是在1965年，Chan和Bledsoe[40]在PanoramicResearchInc上发表了第一篇人脸识别技术论文，人脸识别技术已发展了大半个世纪之久，而且随着计算机硬件性能的提升和软件的开发，使得人脸识别技术也得到了井喷式的发展。目前人脸识别技术被应用于许多场合，在人们生活中也越来越被了解和使用，例如手机的面部解锁、刷脸支付、进出口人证验证以及安防监控中疑犯追踪等。但是在取得长足进步的同时也面临一些实际问题的困扰，人脸的表情变化、年龄变化、光照变化、姿态变化和面部遮挡都会在识别过程中造成不可避免的错误，这种因素下的识别统称为复杂人脸识别。深度学习可以学习图像的深层特征、表达能力强，能够在大规模训练数据上获得更佳的成果，为复杂情形下的人脸识别提供了有效解决办法和新的思路。2.1人脸识别过程无论是哪一种方法，人脸识别技术总要经过四个步骤：人脸图像数据采集、图像预处理、图像特征提取以及对比与识别[1、4、10]。图2-1：人脸识别技术框架（一）人脸图像采集：获取二维人脸图像是人脸识别技术中重要的步骤，得到样本
【参考文献】：
期刊论文
[1]基于卷积神经网络的掌纹识别[J]. 陈杰,张雷,张睿,解丹,闫耀东,叶子维,柴钰杰. 软件工程. 2019(10)
[2]数字声纹在身份识别方面的应用探究[J]. 崔永波,韩鹏鹏. 电子世界. 2019(10)
[3]人脸识别技术在人像鉴定中的应用研究[J]. 曾锦华,施少培,卞新伟,邱秀莲. 中国司法鉴定. 2019(02)
[4]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)
[5]非受限条件下多级残差网络人脸图像年龄估计[J]. 张珂,高策,郭丽茹,苑津莎,赵振兵,李保罡. 计算机辅助设计与图形学学报. 2018(02)
[6]基于人脸识别的大数据分析技战法[J]. 刘冬. 通讯世界. 2017(14)
[7]大数据与深度学习综述[J]. 马世龙,乌尼日其其格,李小平. 智能系统学报. 2016(06)
[8]基于AdaBoost算法的人脸识别系统的研究与实现[J]. 马博宇,尉寅玮. 仪器仪表学报. 2016(S1)
[9]从图灵测试到深度学习:人工智能60年[J]. 万赟. 科技导报. 2016(07)
[10]多姿态人脸识别综述[J]. 邹国锋,傅桂霞,李海涛,高明亮,王科俊. 模式识别与人工智能. 2015(07)
博士论文
[1]图像特征提取方法及其在人脸识别中的应用[D]. 李勇智.南京理工大学 2009
本文编号：3497274
本文链接：https://www.wllwen.com/shoufeilunwen/xixikjs/3497274.html
