近年來,隨著深度學(xué)習(xí)的迅猛發(fā)展,計算機視覺領(lǐng)域日趨成熟,其中的熱門研究方向人臉識別取得了飛躍式的提升。在測試集上已經(jīng)達(dá)到甚至超過人眼識別水平,諸多的應(yīng)用產(chǎn)品紛紛落地,如人臉識別閘機、手機人臉解鎖、小區(qū)刷臉門禁等,并且應(yīng)用于安全性要求較高的支付場景。雖然在一些測試集上人臉識別算法的識別率很高,但是,面向監(jiān)控視頻、復(fù)雜場景的人臉識別技術(shù)依然有較大的提升空間。在自由場景下,人臉識別技術(shù)面臨著光照、姿態(tài)變化、分辨率低以及遮擋等問題。豐富訓(xùn)練數(shù)據(jù)集樣本的多樣性是提高人臉識別模型魯棒性的一個解決方案。本文采用ResNet框架,使用清理和融合后的大規(guī)模數(shù)據(jù)集進(jìn)行模型訓(xùn)練,在通用測試集BLUFR、YTF、LFW等進(jìn)行測試。主要做出了以下工作:首先,針對人臉數(shù)據(jù)集含有噪聲以及樣本不夠豐富的問題,本文提出了基于最大生成樹的人臉數(shù)據(jù)庫清理和融合方法,在同一個類別中兩兩計算相似度,剔除平均相似度小于閾值的噪音圖片。計算人臉的偏轉(zhuǎn)角度,基于平均相似度和偏轉(zhuǎn)角度選定每個類別的基準(zhǔn)人臉圖片來解決人臉框選擇決策造成的數(shù)據(jù)庫的噪聲問題。為了保證訓(xùn)練集中樣本的權(quán)重相同,剔除相同的人臉圖片,僅保留其中的一張。最后將去重和去...

【文章頁數(shù)】：62 頁

【學(xué)位級別】：碩士

【文章目錄】：
摘要
abstract
第1章 緒論
    1.1 研究背景與研究意義
    1.2 國內(nèi)外研究現(xiàn)狀
        1.2.1 人臉識別技術(shù)的發(fā)展過程
        1.2.2 人臉識別技術(shù)的研究熱點
        1.2.3 主要存在的問題
    1.3 本文主要研究內(nèi)容及組織結(jié)構(gòu)
第2章 基于深度學(xué)習(xí)的人臉識別方法概述
    2.1 神經(jīng)網(wǎng)絡(luò)與深度學(xué)習(xí)
        2.1.1 誤差反向傳播算法
        2.1.2 淺層學(xué)習(xí)與深度學(xué)習(xí)
    2.2 卷積神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)
    2.3 損失函數(shù)
    2.4 本章小結(jié)
第3章 數(shù)據(jù)庫清理及融合
    3.1 人臉識別流程
    3.2 人臉識別測試數(shù)據(jù)集及評價標(biāo)準(zhǔn)
        3.2.1 人臉識別測試數(shù)據(jù)集
        3.2.2 人臉識別評價標(biāo)準(zhǔn)
    3.3 人臉數(shù)據(jù)庫的清理和融合
    3.4 實驗設(shè)計與結(jié)果分析
        3.4.1 實驗設(shè)置
        3.4.2 數(shù)據(jù)集清理實驗
        3.4.3 數(shù)據(jù)集融合實驗
    3.5 本章小結(jié)
第4章 復(fù)雜場景下的人臉識別算法研究
    4.1 分支網(wǎng)絡(luò)結(jié)構(gòu)設(shè)計
    4.2 Center Angular Softmax Loss損失函數(shù)
        4.2.1 Angular Softmax Loss
        4.2.2 Center Angular Softmax Loss
    4.3 實驗設(shè)計與結(jié)果分析
        4.3.1 損失函數(shù)曲線對比分析
        4.3.2 算法性能比較
    4.4 本章小結(jié)
第5章 面向監(jiān)控視頻的人臉識別系統(tǒng)
    5.1 系統(tǒng)總體設(shè)計
    5.2 系統(tǒng)開發(fā)環(huán)境
    5.3 系統(tǒng)功能模塊的實現(xiàn)與測試
        5.3.1 視頻流圖像獲取
        5.3.2 人臉檢測
        5.3.3 人臉歸一化
        5.3.4 人臉識別
    5.4 系統(tǒng)集成測試
    5.5 本章小結(jié)
總結(jié)與展望
    本文工作總結(jié)
    未來工作展望
致謝
參考文獻(xiàn)
攻讀碩士學(xué)位期間發(fā)表的專利及成果



本文編號：3980841