近年來,隨著機(jī)器人技術(shù)的發(fā)展和成熟,迎賓機(jī)器人已逐漸滲透到我們生活中。在迎賓機(jī)器人進(jìn)行人機(jī)交互的時(shí)候,人臉識(shí)別具有舉足輕重的作用。因此,本文以迎賓機(jī)器人—渝驕機(jī)器人為實(shí)驗(yàn)平臺(tái),設(shè)計(jì)了一套抗眼鏡遮擋的人臉識(shí)別系統(tǒng)。具體的,本文的主要研究內(nèi)容如下:（1）本文設(shè)計(jì)了在一定程度上能夠去除人臉眼鏡的去遮擋方案。首先本文通過調(diào)研找出當(dāng)前主要的去遮擋方案,并選擇了以GAN（Generative Adversarial Nets）為主體的去遮擋架構(gòu)作為本文的研究內(nèi)容,然后對(duì)GAN進(jìn)行改進(jìn),最后制作樣本集對(duì)其進(jìn)行訓(xùn)練并取出其中的生成器模型作為去眼鏡遮擋模型。通過測(cè)試,使用去遮擋的人臉識(shí)別系統(tǒng)能夠滿足渝驕機(jī)器人的抗遮擋需求。（2）本文設(shè)計(jì)了基于改進(jìn)FaceNet的人臉識(shí)別方案。通過分析傳統(tǒng)神經(jīng)元的優(yōu)缺點(diǎn),得出:以標(biāo)量表示的傳統(tǒng)神經(jīng)元模型限制了整個(gè)網(wǎng)絡(luò)的特征表達(dá)能力。因此,本文使用新型神經(jīng)元—capsule（以向量表示神經(jīng)元模型,使得神經(jīng)元能夠表征更多的信息）組成的神經(jīng)網(wǎng)絡(luò)代替FaceNet的最后的平均池化層和全連接層,以此來增強(qiáng)網(wǎng)絡(luò)的特征表達(dá)能力。通過測(cè)試,在正常光照下,使用改進(jìn)FaceNet的人臉識(shí)別系... 

【文章來源】：重慶大學(xué)重慶市211工程院校985工程院校教育部直屬院校

【文章頁數(shù)】：66 頁

【學(xué)位級(jí)別】：碩士

【文章目錄】：
中文摘要
英文摘要
1 緒論
    1.1 課題研究背景及意義
    1.2 國內(nèi)外研究現(xiàn)狀
        1.2.1 迎賓機(jī)器人研究現(xiàn)狀
        1.2.2 人臉識(shí)別研究現(xiàn)狀
    1.3 本文主要研究內(nèi)容及章節(jié)安排
2 深度學(xué)習(xí)基礎(chǔ)知識(shí)
    2.1 卷積神經(jīng)網(wǎng)絡(luò)的構(gòu)成
    2.2 卷積神經(jīng)網(wǎng)絡(luò)的優(yōu)化
    2.3 神經(jīng)網(wǎng)絡(luò)的訓(xùn)練及常見的優(yōu)化算法
        2.3.1 神經(jīng)網(wǎng)絡(luò)的訓(xùn)練
        2.3.2 常見的優(yōu)化算法
    2.4 本章小結(jié)
3 人臉檢測(cè)算法選擇
    3.1 基于Haar特征的Adaboost級(jí)聯(lián)人臉檢測(cè)
    3.2 基于級(jí)聯(lián)CNN的人臉檢測(cè)
    3.3 基于SSD的人臉檢測(cè)
    3.4 方法對(duì)比
    3.5 本章小結(jié)
4 抗眼鏡遮擋算法的設(shè)計(jì)與實(shí)現(xiàn)
    4.1 生成對(duì)抗網(wǎng)絡(luò)模型
    4.2 改進(jìn)生成器與判別器網(wǎng)絡(luò)
        4.2.1 改進(jìn)生成器網(wǎng)絡(luò)
        4.2.2 改進(jìn)判別器網(wǎng)絡(luò)
    4.3 人臉去遮擋模型及其訓(xùn)練
        4.3.1 人臉去遮擋模型
        4.3.2 制作數(shù)據(jù)集
        4.3.3 人臉去遮擋模型的訓(xùn)練
    4.4人臉去遮擋實(shí)驗(yàn)
        4.4.1 實(shí)驗(yàn)流程
        4.4.2 實(shí)驗(yàn)結(jié)果對(duì)比與分析
    4.5 本章小結(jié)
5 人臉識(shí)別算法選擇與優(yōu)化
    5.1 人臉識(shí)別算法選擇
        5.1.1 基于DeepID的人臉識(shí)別
        5.1.2 基于FaceNet的人臉識(shí)別
        5.1.3 人臉識(shí)別方法對(duì)比
    5.2 基于capsule的改進(jìn)FaceNet網(wǎng)絡(luò)
        5.2.1 capsule神經(jīng)元模型
        5.2.2 傳統(tǒng)神經(jīng)元與capsule神經(jīng)元模型對(duì)比
        5.2.3 改進(jìn)FaceNet
        5.2.4 訓(xùn)練與測(cè)試
    5.3 本章小結(jié)
6 渝驕機(jī)器人人臉識(shí)別系統(tǒng)設(shè)計(jì)的實(shí)現(xiàn)
    6.1 渝驕機(jī)器人硬件平臺(tái)
    6.2 人臉識(shí)別系統(tǒng)的軟件實(shí)現(xiàn)
    6.3 實(shí)驗(yàn)測(cè)試
        6.3.1 實(shí)驗(yàn)一
        6.3.2 實(shí)驗(yàn)二
        6.3.3 實(shí)驗(yàn)三
        6.3.4 實(shí)驗(yàn)四
        6.3.5 實(shí)驗(yàn)五
        6.3.6 實(shí)驗(yàn)六
        6.3.7 實(shí)驗(yàn)七
    6.4 本章小結(jié)
7 總結(jié)與展望
    7.1 總結(jié)
    7.2 展望
參考文獻(xiàn)
附錄
    A 作者在攻讀碩士學(xué)位期間申請(qǐng)的專利
    B 作者在攻讀碩士學(xué)位期間參與的項(xiàng)目
    C 學(xué)位論文數(shù)據(jù)集
致謝


【參考文獻(xiàn)】：
期刊論文
[1]迎賓機(jī)器人的控制系統(tǒng)設(shè)計(jì)[J]. 肖鳳,覃琳.  電腦迷. 2018(08)
[2]服務(wù)型機(jī)器人的發(fā)展與應(yīng)用[J]. 張童,許崇偉,劉智慧.  數(shù)碼世界. 2018(03)
[3]有遮擋人臉識(shí)別綜述:從子空間回歸到深度學(xué)習(xí)[J]. 李小薪,梁榮華.  計(jì)算機(jī)學(xué)報(bào). 2018(01)
[4]辯證解析機(jī)器人對(duì)日本經(jīng)濟(jì)的影響[J]. 馮昭奎.  日本學(xué)刊. 2016(03)
[5]服務(wù)機(jī)器人的現(xiàn)狀及其發(fā)展趨勢(shì)[J]. 嵇鵬程,沈惠平.  常州大學(xué)學(xué)報(bào)(自然科學(xué)版). 2010(02)
[6]機(jī)器人時(shí)代已經(jīng)來臨[J]. 杜以會(huì).  科學(xué)之友（A版）. 2009(08)
[7]基于模板匹配與支持矢量機(jī)的人臉檢測(cè)[J]. 梁路宏,艾海舟,肖習(xí)攀,葉航軍,徐光祐,張鈸.  計(jì)算機(jī)學(xué)報(bào). 2002(01)
[8]“863”計(jì)劃 智能機(jī)器人研究進(jìn)展[J]. 盧桂章.  機(jī)器人技術(shù)與應(yīng)用. 1995(01)

碩士論文
[1]面向迎賓機(jī)器人的人臉識(shí)別關(guān)鍵技術(shù)研究[D]. 石光耀.重慶大學(xué) 2017
[2]基于H.264/AVC誤差補(bǔ)償?shù)聂敯粢曨l水印算法研究[D]. 彭林.江西理工大學(xué) 2016
[3]自主服務(wù)機(jī)器人在智能樓宇系統(tǒng)中的應(yīng)用研究[D]. 林凱.廈門大學(xué) 2014
[4]基于主動(dòng)形狀模型人臉識(shí)別算法的研究與實(shí)現(xiàn)[D]. 魏偉.復(fù)旦大學(xué) 2012
[5]基于改進(jìn)型主動(dòng)外觀模型的面部特征定位與人臉識(shí)別方法研究[D]. 常虹.合肥工業(yè)大學(xué) 2009



本文編號(hào)：3636021