近年來人臉檢測技術(shù)在研究人員的不懈努力下已經(jīng)得到了快速發(fā)展,然而與實際應(yīng)用的需求還有較大的差距。在非約束條件下,由于受到拍照姿勢,成像距離以及光照等影響,我們獲取到的人臉圖像通常都比較模糊,這對圖像分析、提取特征等任務(wù)十分不利,從而也導(dǎo)致人臉的檢測率大大降低。因此,如何解決自然場景下人臉檢測的準(zhǔn)確性、穩(wěn)定性和高效性是近年來模式識別與計算機(jī)視覺領(lǐng)域內(nèi)活躍的研究課題。為了提高人臉檢測在實際場景上的應(yīng)用性,本文所做研究內(nèi)容如下:(1)針對MTCNN等現(xiàn)有模型檢測低分辨率小人臉時碰到的局限性和弊端,本文提出構(gòu)建基于輔助視覺任務(wù)的多任務(wù)深度網(wǎng)絡(luò)模型。首先通過構(gòu)建堆疊沙漏網(wǎng)絡(luò)模型,成功在人臉圖像中提取人臉特征信息,彌補(bǔ)了卷積神經(jīng)網(wǎng)絡(luò)中淺層特征本不具備的高層語義信息,增強(qiáng)了深層特征易丟失的目標(biāo)紋理信息。并在此基礎(chǔ)上研究了基于先驗信息和生成對抗網(wǎng)絡(luò)融合的人臉檢測模型(TFPGAN),將圖像超分辨率重建作為人臉檢測的輔助視覺任務(wù),提出了新的生成對抗網(wǎng)絡(luò)模型,有效緩解小目標(biāo)的特征粗糙問題,在恢復(fù)圖像細(xì)節(jié)的同時也能提高小尺度人臉的檢測精度,并與其他現(xiàn)有模型進(jìn)行了實驗對比證明其有效性。(2)研究了如何通過自注...

【文章頁數(shù)】：68 頁

【學(xué)位級別】：碩士

【部分圖文】：

圖2.1人臉檢測任務(wù)Fig2.1Thetaskoffacedetection

合肥工業(yè)大學(xué)專業(yè)碩士學(xué)位論文8第二章人臉檢測及超分辨率重建關(guān)鍵技術(shù)人臉檢測任務(wù)的目的是找出圖像中所有人臉相對應(yīng)的位置，而算法的輸出是人臉外接的矩形框在該圖像中的坐標(biāo)，如下圖說我們所示。圖2.1人臉檢測任務(wù)Fig2.1Thetaskoffacedetection我們平常所見的高分辨....

圖2.2經(jīng)典人臉檢測算法流程圖

第二章人臉檢測及超分辨率重建關(guān)鍵技術(shù)9（4）人臉被口罩、面具等物體遮擋。綜上所述在復(fù)雜多變的背景環(huán)境中檢測到全部人臉是一項極具挑戰(zhàn)性的任務(wù)。其中如何提取不受復(fù)雜背景因素影響的魯棒性人臉特征和如何設(shè)計分類算法將人臉與背景分離開來就成了人臉檢測任務(wù)中的關(guān)鍵問題。下面就將在人臉檢測研究....

圖2.3圖像金字塔Fig2.3Imagepyramid

合肥工業(yè)大學(xué)專業(yè)碩士學(xué)位論文10圖2.3圖像金字塔Fig2.3Imagepyramid上述方法可以解決2.1節(jié)中提到的人臉檢測的前兩個核心問題，但是依然存在姿態(tài)偏轉(zhuǎn)、光照噪聲和遮擋這些有關(guān)魯棒性的挑戰(zhàn)。接下來要進(jìn)行的工作是選擇合適的特征提取方法，因為提取的人臉特征是否具有較高的魯....

圖2.5點(x，y)的積分圖

第二章人臉檢測及超分辨率重建關(guān)鍵技術(shù)11圖2.4Haar-like的基本特征圖Fig2.4CommonfeaturemapofHaar-like雖然這種特征值計算方式簡單，但是在圖像處理過程中，產(chǎn)生了大量的圖像子窗口，從而導(dǎo)致需要計算的Haar-like特征數(shù)量十分巨大，因此研究....

本文編號：3969487