基于深度学习在复杂环境下人脸识别的应用研究

发布时间：2022-02-18 07:42

　　现在技术的飞速发展,人们的生活水平日益提高,对生活的质量诉求也逐步提高。因此,人们追求生活的便利时也对安全有了新的要求。在新兴技术中,人脸识别技术恰恰满足了上述两点的要求,同时人脸识别作为模式识别与人工智能领域的研究重点,一直是热门研究课题之一。综上所述,对于人脸识别技术的应用开发是十分有必要的研究课题。然而,当今的人脸识别系统很多都是针对近距离的单人进行人脸识别,这些传统的人脸识别系统在应对复杂环境下多种干扰因素,如遮挡、多角度侧脸、背景光暗等抗干扰能力较弱,因此不能应对现实需求。本文设计了一种能够在多种干扰因素环境下基于深度学习的人脸识别系统解决了上述问题。为保证人脸识别系统在多种干扰因素环境下的人脸识别的识别率,本文设计的人脸识别系统是基于深度学习的方法。系统采用的深度学习框架是深度卷积神经网络Inception-ResNet-v1进行人脸分类,在人脸检测与跟踪上,本文采用MTCNN网络。通过图像锐化和直方图均衡化等图像处理方法以提高分类部分的识别率。系统通过试验确定了相关参数并测试其性能相较于过去的卷积神经网络模型有较大的提升,对遮挡、光照、侧脸变化等干扰因素有较好的抗干扰能力... 

【文章来源】：江汉大学湖北省

【文章页数】：58 页

【学位级别】：硕士

【文章目录】：
摘要
Abstract
第1章 绪论
    1.1 研究的发展历史
    1.2 国内外研究现状及成果
        1.2.1 多角度人脸识别的研究
        1.2.2 遮挡问题的研究
    1.3 存在的问题及发展趋势
    1.4 研究目标、研究内容和拟解决的关键问题
    1.5 论文研究工作与章节结构
第2章 系统应用的相关理论
    2.1 神经网络相关理论
        2.1.1 卷积神经网络
        2.1.2 Inception-Resnet-v1 深度卷积神经网络
        2.1.3 损失函数
        2.1.4 L2归一化
        2.1.5 MTCNN人脸检测算法
    2.2 余弦距离与欧式距离
    2.3 图像处理相关算法
        2.3.1 锐化增强算法
        2.3.2 直方图均衡化
    2.4 本章总结
第3章 系统的总体设计
    3.1 系统的设计需求分析
        3.1.1 复杂环境分析
        3.1.2 训练集数据量分析
        3.1.3 系统的结构设计
    3.2 系统的总体设计思路
    3.3 系统数据集采集模块设计
    3.4 系统模型训练模块设计
    3.5 系统识别算法与交互模块设计
        3.5.1 分类算法模块
        3.5.2 人机界面交互模块
    3.6 本章总结
第4章 系统的训练与实现
    4.1 训练集的采集
    4.2 测试集的采集
    4.3 系统阀值实验的设计
    4.4 系统阀值的确定与数据展示
    4.5 系统运行展示
    4.6 本章总结
第5章 不同模型实验结果对比
    5.1 遮挡情况下不同系统的人脸识别率
    5.2 多角度人脸干扰情况下不同系统的人脸识别率
    5.3 不同光照情况下不同系统的人脸识别率
    5.4 在LFW数据集下人脸识别率
    5.5 实验总结
第6章 总结与展望
    6.1 总结
    6.2 展望
参考文献
致谢
攻读学位期间发表的学术论文


【参考文献】：
期刊论文
[1]基于改进的卷积神经网络多姿态人脸识别研究[J]. 韩东,王学军.  吉林大学学报(信息科学版). 2018(05)
[2]卷积网络的无监督特征提取对人脸识别的研究[J]. 杜柏圣.  计算机技术与发展. 2018(06)
[3]三维人脸建模及在跨姿态人脸匹配中的有效性验证[J]. 李昕昕,龚勋.  计算机应用. 2017(01)
[4]一种易于初始化的类卷积神经网络视觉跟踪算法[J]. 李寰宇,毕笃彦,查宇飞,杨源.  电子与信息学报. 2016(01)

硕士论文
[1]卷积神经网字符识别算法研究[D]. 吴香莲.电子科技大学 2016
[2]卷积神经网络在图像识别上的应用的研究[D]. 许可.浙江大学 2012



本文编号：3630475