隨著人工智能研究的興起,人臉識別和疲勞檢測技術(shù)在實際生活中應用于各行各業(yè),為人們生活的便捷性帶來了保障。當前一些重點區(qū)域如銀行值班室、鐵路運營室、消防監(jiān)控室、重癥監(jiān)護室等崗位的值班人員,需要時刻盯著視頻圖像監(jiān)視器,因值班人員疲勞、瞌睡、擅自離崗等不良行為導致的重大事故時有發(fā)生,因此開展基于圖像處理技術(shù)的監(jiān)控系統(tǒng)來提高值班人員的工作質(zhì)量具有理論研究意義和實際應用價值,是當前該領域亟需解決的問題。本文研究基于視頻的非接觸的、實時的值班員身份鑒別和疲勞檢測,首先借助值班室攝像頭采集值班員視頻,利用多任務卷積神經(jīng)網(wǎng)絡人臉檢測算法快速定位人臉區(qū)域并精確定位人的眼睛和嘴巴;再通過基于卷積神經(jīng)網(wǎng)絡的人臉識別算法提取人臉特征,借助分類器實現(xiàn)人臉識別。其次利用提取定位出來的眼睛和嘴巴相關的疲勞參數(shù)進而判斷值班員的疲勞狀態(tài)。主要工作如下:（1）介紹了人員鑒權(quán)與疲勞檢測系統(tǒng)的研究背景和意義,總結(jié)了國內(nèi)外相關文獻;概述了人臉檢測、人臉識別和疲倦識別的國內(nèi)外研究現(xiàn)狀;討論了卷積神經(jīng)網(wǎng)絡在人臉檢測和人臉識別中的應用。（2）基于經(jīng)典人臉識別算法框架VGG-16,對其網(wǎng)絡結(jié)構(gòu)和損失函數(shù)做了相應的改進,在結(jié)構(gòu)上減少幾個... 

【文章來源】：華中師范大學湖北省 211工程院校 教育部直屬院校

【文章頁數(shù)】：71 頁

【學位級別】：碩士

【文章目錄】：
摘要
Abstract
第一章 緒論
    1.1 研究背景及意義
    1.2 國內(nèi)外研究現(xiàn)狀
        1.2.1 人臉檢測技術(shù)研究現(xiàn)狀
        1.2.2 人臉識別技術(shù)研究現(xiàn)狀
        1.2.3 基于圖像的疲勞檢測技術(shù)研究現(xiàn)狀
    1.3 論文工作和結(jié)構(gòu)安排
第二章 基于圖像處理的人臉識別相關理論
    2.1 卷積神經(jīng)網(wǎng)絡相關理論
        2.1.1 卷積層
        2.1.2 池化層
        2.1.3 激活函數(shù)
        2.1.4 全連接層
    2.2 人臉檢測方法概述
        2.2.1 基于知識的方法
        2.2.2 基于特征的方法
        2.2.3 基于模板匹配的方法
        2.2.4 基于統(tǒng)計模型的方法
    2.3 基于多任務卷積神經(jīng)網(wǎng)絡(MTCNN)的人臉檢測
        2.3.1 基于MTCNN的人臉檢測與對齊模型
        2.3.2 基于MTCNN的人臉檢測與對齊算法
        2.3.3 基于MTCNN的人臉檢測實驗仿真
    2.4 本章小結(jié)
第三章 基于圖像處理的人臉識別
    3.1 常見的神經(jīng)網(wǎng)絡模型
        3.1.1 AlexNet
        3.1.2 VggNet
        3.1.3 Inception
        3.1.4 ResNet
    3.2 基于卷積神經(jīng)網(wǎng)絡的人臉識別算法
        3.2.1 VGG-16模型的簡化
        3.2.2 損失函數(shù)的設計
        3.2.3 相似性度量
    3.3 人臉識別的訓練與測試
        3.3.1 公開的人臉數(shù)據(jù)集
        3.3.2 模型訓練與測試過程
    3.4 實驗結(jié)果分析
        3.4.1 損失函數(shù)參數(shù)λ的選取
        3.4.2 人臉識別算法對比
    3.5 本章小結(jié)
第四章 視頻圖像中人臉疲倦的識別
    4.1 基于二值化圖像面積法的人眼狀態(tài)識別方法
        4.1.1 常見的人眼狀態(tài)識別方法
        4.1.2 基于二值化圖像面積法的人眼狀態(tài)提取
    4.2 疲勞狀態(tài)參數(shù)提取
        4.2.1 PERCLOS測量原理
        4.2.2 眨眼頻率
        4.2.3 嘴部疲勞參數(shù)PMRCLOS的提取
    4.3 基于眼部和嘴部的疲勞狀態(tài)仿真實驗
        4.3.1 基于眼部和嘴部的疲勞狀態(tài)算法思路
        4.3.2 測試結(jié)果分析
    4.4 本章小結(jié)
第五章 基于視頻圖像的值班人員鑒權(quán)與疲勞識別
    5.1 系統(tǒng)實現(xiàn)功能與核心模塊介紹
        5.1.1 系統(tǒng)實現(xiàn)功能及流程
        5.1.2 系統(tǒng)的核心模塊
    5.2 系統(tǒng)開發(fā)與設計
        5.2.1 系統(tǒng)開發(fā)軟硬件環(huán)境
        5.2.2 客戶端界面設計
    5.3 系統(tǒng)測試結(jié)果與分析
        5.3.1 基于人臉視頻的鑒權(quán)測試結(jié)果與分析
        5.3.2 基于人臉視頻的疲倦識別測試結(jié)果與分析
    5.4 本章小結(jié)
第六章 總結(jié)與展望
    6.1 本文總結(jié)
    6.2 未來工作展望
參考文獻
攻讀碩士期間發(fā)表的論文
致謝


【參考文獻】：
期刊論文
[1]基于HOG和特征描述子的人臉檢測與跟蹤[J]. 李澎林,鄒嘉程,李偉.  浙江工業(yè)大學學報. 2020(02)
[2]基于眼睛狀態(tài)識別的軍用直升機飛行員疲勞實時監(jiān)測系統(tǒng)設計[J]. 陳翔,劉永新,李春虹.  電子測試. 2019(23)
[3]基于腦電信號深度遷移學習的駕駛疲勞檢測[J]. 王斐,吳仕超,劉少林,張亞徽,魏穎.  電子與信息學報. 2019(09)
[4]基于Caffe框架的人臉定位與識別系統(tǒng)的設計[J]. 黃琳,蔣為,楊鐵軍.  計算機時代. 2019(06)
[5]基于多任務級聯(lián)卷積網(wǎng)絡模型的人臉檢測和識別[J]. 劉其嘉,郭一娜,任曉文,李健宇.  太原科技大學學報. 2019(02)
[6]人臉識別中的損失函數(shù)[J]. 趙文忠.  電子技術(shù)與軟件工程. 2019(05)
[7]駕駛?cè)搜劬Χㄎ患疤卣魈崛∷惴ㄑ芯縖J]. 孫海燕,屈敏,臧利國.  農(nóng)業(yè)裝備與車輛工程. 2018(11)
[8]高校選課系統(tǒng)的課程推薦機制研究[J]. 張歡,鄒沖.  電子世界. 2018(20)
[9]卷積神經(jīng)網(wǎng)絡中ReLU激活函數(shù)優(yōu)化設計[J]. 王雙印,滕國文.  信息通信. 2018(01)
[10]自適應深度卷積神經(jīng)網(wǎng)絡在人臉識別上的應用[J]. 郭曉潔,陳良,沈長青,劉承建.  自動化技術(shù)與應用. 2017(07)

碩士論文
[1]基于改進MTCNN模型的人臉檢測與面部關鍵點定位[D]. 陳雨薇.東華大學 2019
[2]基于Caffe平臺深度學習的人臉識別研究與實現(xiàn)[D]. 魏正.西安電子科技大學 2015
[3]改進的卷積神經(jīng)網(wǎng)絡模型及其應用研究[D]. 何鵬程.大連理工大學 2015
[4]基于卷積神經(jīng)網(wǎng)絡的人臉檢測和性別識別研究[D]. 汪濟民.南京理工大學 2015
[5]卷積神經(jīng)網(wǎng)絡及其應用[D]. 李飛騰.大連理工大學 2014
[6]基于眼部識別的駕駛員疲勞檢測方法研究[D]. 崔堅.大連海事大學 2013
[7]多特征疲勞檢測系統(tǒng)的設計與實現(xiàn)[D]. 徐杰.華中科技大學 2013
[8]基于視頻圖像的人臉疲勞狀態(tài)檢測技術(shù)研究[D]. 李智.國防科學技術(shù)大學 2010
[9]機器視覺應用技術(shù)研究[D]. 李鋒.浙江大學 2003



本文編號：3185794