基于深度学习和传统方法相结合的人脸识别

发布时间：2023-05-08 03:37

　　近些年,随着生物医学水平和计算机技术的提高,人脸识别技术引起研究者们的广泛关注,其作为生物识别技术的一种,具有自然性和不容易被被测个体感知的特点,成为计算机视觉领域研究的热点,并广泛用于安检、移动支付等领域。人脸图像容易受到光照、表情、遮挡和姿态变化等因素的影响,这些不确定因素极大地增大了人脸识别的难度。由于Gabor变换在提取人脸局部特征时有较强的鲁棒性,常被用于对人脸局部特征进行提取的分类识别中,深度学习方法相比于传统的人脸识别可以更好地提取出人脸图像的深度全局特征,且不需要手工参与。基于这两种方法,本文遂提出一种局部特征和全局特征相结合的人脸识别方法。本文采用Gabor小波作为传统人脸图像局部特征提取的方法,引入图像分块的概念,与二维Gabor小波结合获取局部特征。由于经过Gabor变换后的局部特征维数过大,利用对人脸关键部位(如眼睛、鼻子、嘴巴等)的特征分组并进行特征融合,赋予不同人脸部位不一样的权值,将多个关键人脸特征进行融合,从而将提取出的高维特征化简为低维特征,对人脸进行识别。在深度学习方面,选用深度残差网络作为提取全局特征的基础结构。在原始残差网络的基础上通过对残差单元...

【文章页数】：73 页

【学位级别】：硕士

【文章目录】：
摘要
Abstract
第一章 绪论
    1.1 课题背景与研究意义
    1.2 国内外研究现状
    1.3 本文主要内容及结构安排
第二章 传统人脸图像特征提取方法
    2.1 基于几何特征
    2.2 基于子空间
        2.2.1 线性子空间分析
        2.2.2 非线性子空间分析
    2.3 基于局部特征
        2.3.1 SIFT特征提取
        2.3.2 基本LBP
        2.3.3 Gabor小波方法
第三章 深度学习相关理论与识别方法
    3.1 人工神经网络
        3.1.1 前向传播
        3.1.2 反向传播
    3.2 经典深度学习模型
        3.2.1 深度信念网络
        3.2.2 卷积神经网络
    3.3 基于深度信念网络的人脸识别
        3.3.1 网络模型结构
        3.3.2 Softmax分类器
        3.3.3 人脸识别过程
        3.3.4 实验结果与分析
    3.4 本章小结
第四章 基于Gabor局部特征的分组融合识别
    4.1 Gabor特征的分组方案
        4.1.1 基于Gabor的均匀分块
        4.1.2 基于人脸关键部位的特征分组
        4.1.3 基于不同核函数的PCA降维
    4.2 基于Fisher线性判别的特征降维
    4.3 信息融合原理
    4.4 多分类器融合
        4.4.1 多分类器融合简介
        4.4.2 局部特征的多分类器
    4.5 实验结果与分析
    4.6 本章小结
第五章 基于深度学习和传统方法相结合的人脸识别
    5.1 残差网络原理
    5.2 残差网络改进原理及模型构建
        5.2.1 残差神经网络的深度与宽度
        5.2.2 改进后的残差网络模型
        5.2.3 算法步骤
    5.3 实验结果及分析
        5.3.1 实验环境介绍
        5.3.2 实验数据集
        5.3.3 实验结果及分析
    5.4 本章小结
第六章 总结与展望
    6.1 总结
    6.2 未来展望
参考文献
致谢
作者简介及读研期间主要科研成果



本文编号：3811907