基于深度学习的复杂光照条件下人脸识别技术研究

发布时间：2024-02-27 10:04

　　深度神经网络以其优异的性能表现在机器视觉领域得到广泛的研究和关注。相较于传统的使用手工提取人脸特征的分类方式,卷积神经网络通过端到端的训练方式从大量人脸图像中学习到具有良好泛化能力的人脸特征。然而在复杂光照条件下深度神经网络模型的性能并未得到充分研究。本文研究基于深度学习的复杂光照条件下人脸识别技术,主要研究内容如下:第一,我们构建了一个复杂光照条件下的人脸数据集,用于研究光照对人脸识别的影响。该数据集从汽车内监控采集到的驾驶员图像中收集了330000张包含强光、弱光、局部过曝等光照问题的人脸图像。第二,在该数据集上对不同结构神经网络的性能进行了分析。分别采用LeNet、AlexNet和VggNet三种卷积神经网络结构进行训练和测试,验证了卷积神经网络对复杂光照条件下人脸识别问题的有效性。第三,研究了光照数据增强技术。通过对数据集中的图像进行光照相关的变换,向训练数据集中引入各种光照问题。使得网络能够从增强数据中学习到具有光照不变性的人脸特征,从而提高网络对光照的鲁棒性。第四,针对神经网络训练时间长、难以调整的问题,研究了集成批规范化算法。集成的网络在不降低原有性能的同时收敛更加稳定、...

【文章页数】：66 页

【学位级别】：硕士

【部分图文】：

图2.1LFW数据集图像

.1常用人脸数据集介绍人脸识别在计算机视觉领域是一个热门的研究问题。许多开源的预训练的卷积网络模型可以用来从大量的数据中学习人脸的特征，但是目前很少有研究组会对放他们的大规模数据集。其中可能的原因是大规模的数据集难以获得并且需要花量的人力物力。下面我们介绍几个人脸识别领域中常用....

图2.2YaleB数据集图像

沈阳航空航天大学硕士学位论文2)YaleB数据集YaleB（YaleFaceDatabaseB）[22]数据集中包含16128张图像。这些图像是由28个人在9种姿态和64种光照条件下采集得到的，并对姿态和光照变化进行了严格的控制。YaleB数据集主....

图2.3YouTubeFace数据集图像

YaleB数据集主要用于光照和姿态问题的建模与分析，但是由于采集人数较少使得数据集的使用受到很大限制。图2.2YaleB数据集图像3)YouTubeFace数据集YouTubeFace[23]数据集主要用于研究视频中的非限制人脸识别问题。数据集中共包含342....

图2.4drvface数据集图像

沈阳航空航天大学硕士学位论文于训练和调整神经网络模型，验证数据便于人工选择最优的神经网络参数练过程中是否出现过拟合情况。数据集中剩余300人的30000张图像用于据集，仅在网络模型确定之后用于评价算法的有效性和泛化性。我们通过人工的方式对人脸图像数据集中遇到的复杂光照问题....

本文编号：3912529