基于深度學(xué)習(xí)方法的人臉識(shí)別研究及應(yīng)用

《基于深度學(xué)習(xí)方法的人臉識(shí)別研究及應(yīng)用》由會(huì)員上傳分享，免費(fèi)在線閱讀，更多相關(guān)內(nèi)容在學(xué)術(shù)論文-天天文庫(kù)。

1、電子科技大學(xué)UNIVERSITYOFELECTRONICSCIENCEANDTECHNOLOGYOFCHINA碩士學(xué)位論文MASTERTHESIS論文題目基于深度學(xué)習(xí)方法的人臉識(shí)別研究及應(yīng)用學(xué)科專業(yè)計(jì)算機(jī)軟件與理論學(xué)號(hào)201521060218作者姓名林英喬指導(dǎo)教師高輝教授分類號(hào)密級(jí)注1UDC學(xué)位論文基于深度學(xué)習(xí)方法的人臉識(shí)別研究及應(yīng)用（題名和副題名）林英喬（作者姓名）指導(dǎo)教師高輝教授電子科技大學(xué)成都（姓名、職稱、單位名稱）申請(qǐng)學(xué)位級(jí)別碩士學(xué)科專業(yè)計(jì)算機(jī)軟件與理論提交論文日期2018.3.23論文答辯日期2018.5.1

2、8學(xué)位授予單位和日期電子科技大學(xué)2018年6月答辯委員會(huì)主席評(píng)閱人注1：注明《國(guó)際十進(jìn)分類法UDC》的類號(hào)。ResearchandApplicationofFaceRecognitionBasedonDeepLearningMethodAMasterThesisSubmittedtoUniversityofElectronicScienceandTechnologyofChinaDiscipline:ComputerSoftwareandTheoryAuthor:LinYingQiaoSupervisor:Prof.G

3、aoHuiSchool:SchoolofComputerScience&Engineering摘要摘要人臉識(shí)別作為一種十分便利的身份認(rèn)證方式，具有廣闊的應(yīng)用場(chǎng)景，因而長(zhǎng)久以來受到了眾多研究機(jī)構(gòu)的關(guān)注。傳統(tǒng)的方法多利用人工設(shè)計(jì)的方式提取人臉特征信息，容易受到現(xiàn)實(shí)環(huán)境下多種變化因素的影響。得益于互聯(lián)網(wǎng)的發(fā)展及硬件設(shè)備的更新，依賴大量數(shù)據(jù)的深度學(xué)習(xí)算法給人臉識(shí)別領(lǐng)域帶來了新一輪發(fā)展浪潮。相比于對(duì)人臉識(shí)別中光照、姿態(tài)等變化因素的研究，對(duì)因年齡變化帶來的識(shí)別問題研究相對(duì)較少。而年齡增長(zhǎng)帶來面部形態(tài)改變屬于一種普遍的類內(nèi)變化，在許

4、多現(xiàn)實(shí)場(chǎng)景下都會(huì)給人臉識(shí)別的準(zhǔn)確性帶來挑戰(zhàn)。針對(duì)該問題，本文基于深度學(xué)習(xí)的理論，研究提出了一種基于多損失函數(shù)的深度卷積神經(jīng)網(wǎng)絡(luò)模型和一種基于深度特征融合的方法來提升跨年齡人臉識(shí)別的準(zhǔn)確率，取得了較好的效果。本文主要內(nèi)容及貢獻(xiàn)如下:1.針對(duì)所使用的跨年齡人臉數(shù)據(jù)集CACD(Cross-AgeCelebrityDataset)數(shù)據(jù)量，設(shè)計(jì)了一個(gè)參數(shù)相對(duì)較少的深度卷積神經(jīng)網(wǎng)絡(luò)模型，并引入批規(guī)范化操作加速模型訓(xùn)練的收斂。在不需要較復(fù)雜的圖像預(yù)處理情況下，該深度模型可自動(dòng)提取出具有較強(qiáng)年齡不變性的特征。2.提出一種基于多損失函數(shù)

5、的卷積網(wǎng)絡(luò)模型。該模型針對(duì)單一的交叉熵?fù)p失函數(shù)在人臉識(shí)別問題上的局限，引入另一種中心損失函數(shù)，并針對(duì)跨年齡問題的特點(diǎn)進(jìn)行改進(jìn)，使得同一人的特征更為緊湊，相比僅用交叉熵?fù)p失函數(shù)訓(xùn)練的網(wǎng)絡(luò)，該模型在跨年齡數(shù)據(jù)集上測(cè)試提高了識(shí)別準(zhǔn)確率。3.提出一種基于深度特征融合的人臉識(shí)別算法。該算法結(jié)合了不同特征具有的優(yōu)勢(shì)，將高維的局部二值模式特征與深度模型卷積層的特征通過監(jiān)督學(xué)習(xí)進(jìn)行融合得到新的人臉特征表示。在CACD數(shù)據(jù)集與非限制環(huán)境下的LFW(LabeledFacesintheWild)數(shù)據(jù)集上進(jìn)行測(cè)試并與其他算法比較，實(shí)驗(yàn)表明該算

6、法不僅在跨年齡問題上取得了具有競(jìng)爭(zhēng)力的準(zhǔn)確率，在通用的非限制環(huán)境下也能夠提升泛化能力。4.利用上述提出的算法，基于Web技術(shù)實(shí)現(xiàn)了一個(gè)人臉識(shí)別應(yīng)用。該應(yīng)用主要包括圖像采集、人臉識(shí)別、數(shù)據(jù)存儲(chǔ)模塊，具有輕量跨平臺(tái)的特點(diǎn)，可滿足日常需求。關(guān)鍵詞：深度學(xué)習(xí)，人臉識(shí)別，跨年齡，卷積神經(jīng)網(wǎng)絡(luò)IABSTRACTABSTRACTAsaprettyconvenientmethodofidentityauthentication,facerecognitioncanbeappliedintoawiderangeofscenariosan

7、dithascapturedalotattentionfromagreatmanyresearchinstitutionsinrecentyears.Traditionally,artificialdesignedwaysaremostlyusedtoextractfacialfeatureinformation,whichiseasilyaffectedbyvariousfactorsintherealenvironment.ThankstothedevelopmentofInternetandtheupdating

8、ofhardwaredevices,deeplearningalgorithmsthatrelyonalargeamountofdatahavebroughtnewdevelopmentstothefacerecognitionfield.Comparedwiththeresearchonvariablefactorssuchas