現(xiàn)在技術的飛速發(fā)展,人們的生活水平日益提高,對生活的質量訴求也逐步提高。因此,人們追求生活的便利時也對安全有了新的要求。在新興技術中,人臉識別技術恰恰滿足了上述兩點的要求,同時人臉識別作為模式識別與人工智能領域的研究重點,一直是熱門研究課題之一。綜上所述,對于人臉識別技術的應用開發(fā)是十分有必要的研究課題。然而,當今的人臉識別系統(tǒng)很多都是針對近距離的單人進行人臉識別,這些傳統(tǒng)的人臉識別系統(tǒng)在應對復雜環(huán)境下多種干擾因素,如遮擋、多角度側臉、背景光暗等抗干擾能力較弱,因此不能應對現(xiàn)實需求。本文設計了一種能夠在多種干擾因素環(huán)境下基于深度學習的人臉識別系統(tǒng)解決了上述問題。為保證人臉識別系統(tǒng)在多種干擾因素環(huán)境下的人臉識別的識別率,本文設計的人臉識別系統(tǒng)是基于深度學習的方法。系統(tǒng)采用的深度學習框架是深度卷積神經網絡Inception-ResNet-v1進行人臉分類,在人臉檢測與跟蹤上,本文采用MTCNN網絡。通過圖像銳化和直方圖均衡化等圖像處理方法以提高分類部分的識別率。系統(tǒng)通過試驗確定了相關參數(shù)并測試其性能相較于過去的卷積神經網絡模型有較大的提升,對遮擋、光照、側臉變化等干擾因素有較好的抗干擾能力... 

【文章來源】：江漢大學湖北省

【文章頁數(shù)】：58 頁

【學位級別】：碩士

【文章目錄】：
摘要
Abstract
第1章 緒論
    1.1 研究的發(fā)展歷史
    1.2 國內外研究現(xiàn)狀及成果
        1.2.1 多角度人臉識別的研究
        1.2.2 遮擋問題的研究
    1.3 存在的問題及發(fā)展趨勢
    1.4 研究目標、研究內容和擬解決的關鍵問題
    1.5 論文研究工作與章節(jié)結構
第2章 系統(tǒng)應用的相關理論
    2.1 神經網絡相關理論
        2.1.1 卷積神經網絡
        2.1.2 Inception-Resnet-v1 深度卷積神經網絡
        2.1.3 損失函數(shù)
        2.1.4 L2歸一化
        2.1.5 MTCNN人臉檢測算法
    2.2 余弦距離與歐式距離
    2.3 圖像處理相關算法
        2.3.1 銳化增強算法
        2.3.2 直方圖均衡化
    2.4 本章總結
第3章 系統(tǒng)的總體設計
    3.1 系統(tǒng)的設計需求分析
        3.1.1 復雜環(huán)境分析
        3.1.2 訓練集數(shù)據量分析
        3.1.3 系統(tǒng)的結構設計
    3.2 系統(tǒng)的總體設計思路
    3.3 系統(tǒng)數(shù)據集采集模塊設計
    3.4 系統(tǒng)模型訓練模塊設計
    3.5 系統(tǒng)識別算法與交互模塊設計
        3.5.1 分類算法模塊
        3.5.2 人機界面交互模塊
    3.6 本章總結
第4章 系統(tǒng)的訓練與實現(xiàn)
    4.1 訓練集的采集
    4.2 測試集的采集
    4.3 系統(tǒng)閥值實驗的設計
    4.4 系統(tǒng)閥值的確定與數(shù)據展示
    4.5 系統(tǒng)運行展示
    4.6 本章總結
第5章 不同模型實驗結果對比
    5.1 遮擋情況下不同系統(tǒng)的人臉識別率
    5.2 多角度人臉干擾情況下不同系統(tǒng)的人臉識別率
    5.3 不同光照情況下不同系統(tǒng)的人臉識別率
    5.4 在LFW數(shù)據集下人臉識別率
    5.5 實驗總結
第6章 總結與展望
    6.1 總結
    6.2 展望
參考文獻
致謝
攻讀學位期間發(fā)表的學術論文


【參考文獻】：
期刊論文
[1]基于改進的卷積神經網絡多姿態(tài)人臉識別研究[J]. 韓東,王學軍.  吉林大學學報(信息科學版). 2018(05)
[2]卷積網絡的無監(jiān)督特征提取對人臉識別的研究[J]. 杜柏圣.  計算機技術與發(fā)展. 2018(06)
[3]三維人臉建模及在跨姿態(tài)人臉匹配中的有效性驗證[J]. 李昕昕,龔勛.  計算機應用. 2017(01)
[4]一種易于初始化的類卷積神經網絡視覺跟蹤算法[J]. 李寰宇,畢篤彥,查宇飛,楊源.  電子與信息學報. 2016(01)

碩士論文
[1]卷積神經網字符識別算法研究[D]. 吳香蓮.電子科技大學 2016
[2]卷積神經網絡在圖像識別上的應用的研究[D]. 許可.浙江大學 2012



本文編號：3630475