資源描述：
《基于卷積神經網絡的多視角人臉檢測研究》由會員上傳分享，免費在線閱讀，更多相關內容在學術論文-天天文庫。
1、學校代碼10530學號201510171820分類號TP391密級公開碩士學位論文基于卷積神經網絡的多視角人臉檢測研究學位申請人林祥指導教師石躍祥教授學院名稱信息工程學院學科專業(yè)計算機科學與技術研究方向圖形圖像處理技術二○一八年五月十日ResearchonMulti-viewFaceDetectionBasedonConvolutionNeuralNetworkCandidateLinXiangSupervisorProf.ShiYuexiangCollegeCollegeofInformationEngineeringPr
2、ogramComputerScienceandTechnologySpecializationGraphicsandImageProcessingTechnologyDegreeMasterofScienceUniversityXiangtanUniversityDateMay10,2018摘要近年來，人臉檢測技術已經成為了最熱門的研究課題之一，隨著人臉檢測方面技術的成熟，社會上對其運用也是隨處可見，現實生活中隨著銀行、各大商場、海關、道路安全、車站安檢口及其他安全監(jiān)控等方面技術的廣泛運用，對于人臉檢測的要求也越來越高，不僅
3、針對檢測的精度而且也對檢測的速度有一定的要求，就目前人臉檢測現狀而言，基于復雜背景下的多視角人臉檢測存在的效率低，漏檢率高已成為當下研究的難點問題。本文主要針對的是對多視角人臉檢測存在的問題進行了相關研究。提出了基于卷積網絡的多視角人臉檢測算法研究，該算法運用了近幾年研究熱門的深度學習來代替?zhèn)鹘y(tǒng)的人臉檢測算法，充分運用了深度學習中的優(yōu)勢來提高檢測正確率，在Caffe框架下的實驗結果表明，本文的方法在效率和精度上都有較優(yōu)的表現，同時對膚色，光照也都具有一定的魯棒性。本文的主要工作內容如下：（1）針對在復雜背景下人臉多視角確定的
4、問題，本文中利用基于Candide-3改進模型的姿態(tài)算法來解決多視角問題，通過將Candide-3標準模型中的113個頂點改進簡化為與人臉姿態(tài)有關聯的88個頂點，創(chuàng)新性的增加了左右瞳孔中心、嘴巴中心關鍵特征點的標注，通過在三維空間特征點位置上的投影，得到平面位置上的相對應的特征三角形，最終利用數學知識得到了人臉的偏轉角。通過在AFLW標準多姿態(tài)數據庫與其他主流姿態(tài)算法的對比，最終驗證了本文采用的Candide-3模型方法的有效性和高效性。（2）針對傳統(tǒng)的人臉檢測方法，作為當今的主流之一卷積神經網絡其優(yōu)勢備受追捧，基于此，本文
5、提出了一種基于卷積神經網絡的多視角人臉檢測算法研究，通過利用NetworkInNetwork(NIN)網絡結構模型來訓練得到一個深度人臉分類器。由于該模型中采用了全局均值池化來代替?zhèn)鹘y(tǒng)網絡中的全連接層，因此能有效防止訓練過程中的數據過擬合現象。不管是從模型訓練的時間上還是性能上都有較好的提升。（3）針對通過本文的檢測方法最終得到多個標注人臉框的問題，本文中提出了基于非極大值抑制算法（Non-maximumsuppression，NMS）來進行選擇最優(yōu)人臉標注框，通過在每個人臉標注框中迭代搜索局部的最優(yōu)解使其最終確定為最優(yōu)的人
6、臉檢測窗口，消除了交叉且效果不佳的標注人臉框。關鍵詞：卷積網絡；NetworkInNetwork(NIN)模型；非極大值抑制算法；多視角人臉檢測；Caffe框架；Candide-3框架。IAbstractInrecentyears,facedetectiontechnologyhasbecomeoneofthehottestresearchtopics.Withthematurationoffacedetectiontechnology,itsuseinsocietyisalsoseeneverywhere.Inrealli
7、fe,banks,shoppingmalls,customs,roads,Theextensiveuseoftechnologysuchasstationsecurityinspectionsandothersecuritymonitoringhasincreasedthedemandforfacedetection,notonlyfortheaccuracyofdetectionbutalsoforthespeedofdetection,asfarasthecurrentstatusoffacedetectioniscon
8、cerned.Duetothelowefficiencyofmulti-viewfacedetectionbasedoncomplexbackground,thehighrateofmisseddetectionhasbecomeadifficultissueincurrentresear
