人臉識別技術是身份識別的主要手段之一,在安防、金融等領域得到廣泛應用。研究人臉識別在課堂環(huán)境中的應用,對提高教學效率、推進智慧教育極具研究價值。但課堂環(huán)境中拍攝角度、光照強度等因素影響使得課堂環(huán)境下的人臉識別困難重重。針對該問題,本文從數(shù)據(jù)集構建、人臉檢測和人臉識別三個方面展開研究。首先,分析了LFW和WIDER FACE等人臉數(shù)據(jù)集所存在的欠缺,構建了課堂環(huán)境下多人臉識別研究的數(shù)據(jù)集。數(shù)據(jù)集構建包括幾個步驟:(1)從多個方位對不同教室環(huán)境、不同學生數(shù)量的班級進行數(shù)據(jù)采集;(2)對圖片進行處理,并標定人臉框位置生成相應的標簽文件;(3)通過數(shù)據(jù)增強技術擴充數(shù)據(jù)集數(shù)目,最終構建了包括2782幅圖像的兩類數(shù)據(jù)集。其次,在人臉檢測環(huán)節(jié),對比分析了基于Open CV的haar級聯(lián)分類器算法和基于dlib的人臉檢測算法等傳統(tǒng)人臉檢測算法以及基于深度學習的人臉檢測算法。通過模擬實驗,分析了不同人臉數(shù)據(jù)集(10人以下、11-20人、21-30人、31-40人以及41人以上)中的算法性能,實驗結果表明,傳統(tǒng)的人臉檢測算法難以準確檢測具有一定偏移角度的人臉圖片;基于FCHD的深度學習人臉檢測算法,對于具...

【文章頁數(shù)】：66 頁

【學位級別】：碩士

【部分圖文】：

圖1.2人臉關鍵點位置圖

及后面的層，進一步學習了更高層次的抽象。最后，這些更高層次的抽象的結合代表了不同的面部識別。2014年，DeepFace[38]在著名的LFW基準上達到了較高的準確性，首次在不受限制的條件下接近了人類的表現(xiàn)（DeepFace：97.35％，人類：97.53％），通過訓練9層400....

圖2.1LFW人臉數(shù)據(jù)示例圖

面向課堂環(huán)境的人臉識別關鍵技術研究11第2章面向課堂環(huán)境的人臉數(shù)據(jù)集構建研究課堂環(huán)境是指學生在教室學習的真實場景，在此場景下，學生數(shù)目不一，少到實驗室?guī)兹�，多至集體課堂學生上百人。學生上課時大部分面朝同一方向，并且有部分遮擋。當每個教室的攝像頭對上課學生進行監(jiān)控時，前面的學生基本....

圖2.2WIDERFACE數(shù)據(jù)示例圖

碩士學位論文12LFW(LabeledFacesintheWildHome)[52]屬于自然場景無約束人臉識別數(shù)據(jù)集，數(shù)據(jù)來源于5749個不同名人，基于不同光照條件、表情和朝向采集形成。整個數(shù)據(jù)集共有13233張圖片，其中4069人只有一張照片，有2張或2張以上人臉圖片的人數(shù)為1....

圖2.3xml標簽文件信息圖

碩士學位論文14的信息進行人工標注，每個人有唯一的標志。根據(jù)研究的算法實際需求，共采集兩類數(shù)據(jù)，mydata、newdata是用來人臉檢測；data用于人臉識別。兩個數(shù)據(jù)集來源于本校的不同的班級總共130人，其中人臉檢測數(shù)據(jù)由80個不同的學生組成，將近2000張照片，并從中選取了....

本文編號：3943694