發(fā)布時間：2024-07-03 01:27

　　隨著計算機軟硬件技術(shù)、生物識別技術(shù)和機器學(xué)習(xí)的日益成熟,基于深度學(xué)習(xí)的人臉識別技術(shù)受到了社會的廣泛關(guān)注。人臉識別技術(shù)憑借著其非強制性、非接觸性、高準確率、易于采集、高并發(fā)、無侵犯等特性,在個人身份識別、支付系統(tǒng)、公安系統(tǒng)、銀行系統(tǒng)、政府部門和商業(yè)領(lǐng)域得到了廣泛的應(yīng)用。但是,由于人臉識別技術(shù)在實際應(yīng)用中通常使用攝像頭進行人臉圖像采集,采集的人臉圖像中含有大量的非人臉信息,而且自然環(huán)境下復(fù)雜光照易對圖像中人臉信息造成影響,導(dǎo)致人臉識別中仍存在一系列問題亟待解決,例如:如何準確地提取采集圖像中的人臉區(qū)域;針對復(fù)雜光照環(huán)境下人臉圖像,如何有效地增強圖像中的人臉信息;如何設(shè)計高性能的深度卷積神經(jīng)網(wǎng)絡(luò)模型結(jié)構(gòu),提高人臉識別準確率。這些問題的解決無疑對基于深度學(xué)習(xí)的復(fù)雜光照環(huán)境下人臉識別技術(shù)的研究產(chǎn)生一定的推動作用。因此,針對上述問題,本文展開研究的方向主要包含以下幾個。(1)針對自然環(huán)境下采集的圖像中存在大量非人臉信息的問題,設(shè)計了基于目標檢測的人臉圖像提取算法。給定待提取的圖像,首先采用膚色分割技術(shù)對輸入圖像進行粗識別,獲取包含人臉信息的候選區(qū)域;然后利用多任務(wù)級聯(lián)網(wǎng)絡(luò)模型對獲取的候選區(qū)域進行精...

【文章頁數(shù)】：66 頁

【學(xué)位級別】：碩士

【部分圖文】：

圖1-1基于深度學(xué)習(xí)的復(fù)雜光照環(huán)境下人臉識別技術(shù)路線圖

緒論7圖1-1基于深度學(xué)習(xí)的復(fù)雜光照環(huán)境下人臉識別技術(shù)路線圖Fig1-1Roadmapforfacerecognitiontechnologyincomplexlightingenvironmentsbasedondeeplearning1.4論文結(jié)構(gòu)安排本論文以人臉圖像為研究對....

圖2-2CascadeCNN網(wǎng)絡(luò)結(jié)構(gòu)

相關(guān)技術(shù)理論基礎(chǔ)92相關(guān)技術(shù)理論基礎(chǔ)復(fù)雜光照環(huán)境下人臉識別系統(tǒng)的流程主要包括采集圖像、人臉圖像提娶圖像增強、人臉識別和輸出結(jié)果，如圖2-1所示。本章按照人臉識別系統(tǒng)的流程依次介紹了基于深度學(xué)習(xí)的復(fù)雜光照環(huán)境下人臉識別技術(shù)中所用到的關(guān)鍵技術(shù)理論基礎(chǔ)，包括人臉圖像提取中多任務(wù)級聯(lián)網(wǎng)絡(luò)....

圖2-3MTCNN網(wǎng)絡(luò)結(jié)構(gòu)

華北水利水電大學(xué)碩士學(xué)位論文10其中每一級網(wǎng)絡(luò)的輸入尺寸分別為12×12，24×24和48×48大小的圖像，并且每一級網(wǎng)絡(luò)都是二分類模型，對于正負樣本，訓(xùn)練時分別縮放至對應(yīng)的尺寸進行訓(xùn)練。2.1.2MTCNNMTCNN[43]是傳統(tǒng)的增強級聯(lián)結(jié)構(gòu)與CNN的有效組合，其思想來自Ca....

圖2-4CNN在人臉識別領(lǐng)域應(yīng)用的網(wǎng)絡(luò)結(jié)構(gòu)案例

華北水利水電大學(xué)碩士學(xué)位論文12應(yīng)的像素值為211，該值就是最后送入顯示器的數(shù)據(jù)。Gamma函數(shù)可以有效校正圖像的像素值，從而增強圖像信息，但是傳統(tǒng)的Gamma函數(shù)校正法中g(shù)amma的取值是需要提前設(shè)定，且校正過程中不發(fā)生改變，無法實現(xiàn)自適應(yīng)校正操作。2.3卷積神經(jīng)網(wǎng)絡(luò)卷積神經(jīng)網(wǎng)....

本文編號：4000316