資源描述：
《基于深度學(xué)習(xí)的活體人臉檢測算法研究》由會員上傳分享，免費在線閱讀，更多相關(guān)內(nèi)容在學(xué)術(shù)論文-天天文庫。
1、中文圖書分類號：TP391密級：公開UDC：39學(xué)校代碼：10005工程碩士學(xué)位論文M.E.DISSERTATION論文題目：基于深度學(xué)習(xí)的活體人臉檢測算法研究論文作者：許曉學(xué)科：電子與通信工程指導(dǎo)教師：毋立芳教授論文提交日期：2016年5月UDC：39學(xué)校代碼：10005中文圖書分類號：TP391學(xué)號：S201302204密級：公開北京工業(yè)大學(xué)碩士專業(yè)學(xué)位論文（全日制）題目基于深度學(xué)習(xí)的活體人臉檢測算法研究英文題目RESEARCHONDEEPLEARNINGBASEDFACELINENESSDETECTIONALGORITHM
2、論文作者：許曉學(xué)科：電子與通信工程研究方向：圖像處理與分析申請學(xué)位：工程碩士專業(yè)學(xué)位指導(dǎo)教師：毋立芳教授所在單位：電子信息與控制工程學(xué)院答辯日期：2016年6月授予學(xué)位單位：北京工業(yè)大學(xué)獨創(chuàng)性聲明本人聲明所呈交的論文是我個人在導(dǎo)師指導(dǎo)下進行的研究工作及取得的研究成果。盡我所知，除了文中特別加以標(biāo)注和致謝的地方外，論文中不包含其他人已經(jīng)發(fā)表或撰寫過的研究成果，也不包含為獲得北京工業(yè)大學(xué)或其它教育機構(gòu)的學(xué)位或證書而使用過的材料。與我一同工作的同志對本研究所做的任何貢獻均已在論文中作了明確的說明并表示了謝意。簽名：許曉日期：2016.
3、06關(guān)于論文使用授權(quán)的說明本人完全了解北京工業(yè)大學(xué)有關(guān)保留、使用學(xué)位論文的規(guī)定，即：學(xué)校有權(quán)保留送交論文的復(fù)印件，允許論文被查閱和借閱；學(xué)?？梢怨颊撐牡娜炕虿糠謨?nèi)容，可以采用影印、縮印或其他復(fù)制手段保存論文。（保密的論文在解密后應(yīng)遵守此規(guī)定）簽名：許曉導(dǎo)師簽名：毋立芳日期：2016.06摘要摘要近年來，隨著互聯(lián)網(wǎng)+概念的提出，基于網(wǎng)絡(luò)的應(yīng)用不斷拓展，在線身份成為一大難題?；谏锾卣鞯脑诰€認(rèn)證技術(shù)能夠保持人的數(shù)字身份和物理身份的一致性，因而受到人們的關(guān)注。論文針對活體人臉檢測問題開展研究，主要工作包括：1.提出了一種基于深度
4、學(xué)習(xí)的活體人臉檢測方法。首先用人臉圖像訓(xùn)練了一個深度神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)用于活體檢測。由于活體人臉檢測是一個二分類問題，因此其監(jiān)督信號比較弱，提取特征魯棒性不好，算法性能不理想。針對這一問題，我們進一步研究了基于微調(diào)策略的方法。用活體檢測訓(xùn)練圖像對Alex-net進行微調(diào)得到一個更高效的網(wǎng)絡(luò)。實驗結(jié)果表明，本文所提出的方法非常具有競爭力。2.提出了基于動態(tài)特征的卷積神經(jīng)網(wǎng)絡(luò)活體檢測算法。首先采用金字塔LK光流法跟蹤視頻，得到圖像的動態(tài)信息，然后對光流運動信息進行分析，計算水平位移和垂直位移，進一步根據(jù)兩個位移計算位移幅度圖，即動態(tài)特征圖
5、，將動態(tài)特征圖作為卷積神經(jīng)網(wǎng)絡(luò)的輸入，最后進行特征提取以及活體檢測。3.設(shè)計了一個具有活體人臉檢測功能的人臉認(rèn)證系統(tǒng)，該系統(tǒng)包括注冊階段以及認(rèn)證階段，注冊階段包括人臉圖像檢測，特征提取模塊，認(rèn)證階段包括人臉檢測，活體人臉判別，特征提取以及相似度計算模塊。關(guān)鍵詞：活體人臉檢測；卷積神經(jīng)網(wǎng)絡(luò)；深度學(xué)習(xí)；人臉認(rèn)證系統(tǒng)-I-AbstractAbstractInrecentyears,withtheInternet+concept,thenetwork-basedapplicationextendsrapidly.Onlineidenti
6、tyauthenticationisbecomingakeyproblem.Biometricsbasedauthenticationisfocusedbecauseitcouldpreservetheconsistenceofdataidentityandphysicalidentity.Inthisthesis,wefocusonfacelivenessdetection.Theprimaryworksincludeasfollows:Firstly,weproposeadeeplearning-basedfaceliven
7、essdetectionalgorithm.First,wetrainaCNNnetwork.Becausethefacelivenessdetectionisabi-classproblem,thesupervisioninformationisnotstrongenough,therefore,theextractedfeatureisnotrobustandperformanceisnotsatisfying.ThenwetrainanewnetworkbyfinetuningtheknownAlex-net.Theexp
8、erimentalresultsconfirmtheefficiencyoftheproposedalgorithms.Secondly,weproposeadynamicfeature-basedCNNschemetofacelivenessdetection
