基于深度學(xué)習(xí)的人臉識別算法

《基于深度學(xué)習(xí)的人臉識別算法》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、－，＇？．．？沁．．，一＇？－、。．＇．‘?！觯墶觯埽墸牐郑牐牐颍牎墸崳姡牐А牐В牐В崳姟牐蓿牐海?、－、，＂．’＇－－二＾八７■■：＇．＇＇＜．＼／■，．‘、＇片．．一‘；－ｒ＞？－－．－．－廣東工業(yè)大學(xué)碩±學(xué)位論文＇八．，．冷；＇、；（工程碩±）＇．－，Ｊ．、．ｆ？＇■’；‘．Ｖ，乂巧＾、■■Ｋ．Ｉ－：．’Ｎ山喘－’＂－＇＇端．Ａ＇Ｉ．?wèi)艋谏疃葘W(xué)習(xí)的人臉識別算法龍海強(qiáng)，．—＇

2、…．－＇，．－＇、．Ｉ心＇ｓ．Ｖ＇／？．‘．．’＇．’、．＾．，若一．．，１如Ｊｒ戶ｒ—－一—－＇＇＼嚇義背…。．ｖ＇－一■■■＇＇ｉ？＞Ｖ＞?。崳姡桑牐В拮樱瑁牐鲆?？屯．牛．－４－、‘。＇－＇Ｖ占樓心＇．－八．．＇’＇＇Ｖ二＇－？．Ｉ—■押＇：媒；；？－、－．ＸＩ盧．．＇．？．；－，護(hù)‘’－二０—女Ｖ；六年五月．．羞／＇’．、、—：＇。：，．？＇－．ｖ；沁／Ｖ；Ｖ＇沾＇擊■－＇―占‘一，：＇■Ｖ

3、＼東、Ｖ；‘巧。＇一：解．＇．＇．＇、‘’Ｖ；．，／Ｖ＞妒幸４■－，’；．Ｗ＊盧’■：Ｌ：‘／州’：Ｉ．‘人．心號聲＇＂．＇誠巧．＾、、－、一、－、－．．．■．；務(wù)＇’‘．．＂’‘＇一．；去咬＇？去．句＼Ｃ軒ｉ，＊４—＇：，‘Ｉ．．知心．．月：ｉ．分類號：學(xué)校代號：＂８４５ＵＤＣ：：１１３０；密級學(xué)號２１５１１０廣東工業(yè)大學(xué)碩±學(xué)位論文（工程碩ｉ）基于深度學(xué)習(xí)的人臉識別算法龍海強(qiáng)校內(nèi)導(dǎo)師姓名、職稱：譚臺哲副教授校外導(dǎo)師姓名、職稱：崔洪剛講師

4、學(xué)科（專業(yè)）或領(lǐng)域名稱：軟件工程學(xué)生所屬學(xué)院：計算機(jī)學(xué)院．０．論文答辯日期：２０１６５２５ＡＤｉｓｓｅｒｔａｔｉｏｎＳｕｂｍｉｔｅｄｔｏＧｕａｎｇｄｏｎｇＵｎｉｖｅｒｓｉｔｏｆｙＴｅｃｈｎｏｌｏｇｙｆｏｒｔｈｅＤｅｇｒｅｅｏｆＭａｓｔｅｒ（ＭａｓｔｅｒｏｆＥｎｇｉｎｅｅｒｉｎｇＳｃｉｅｎｃｅ）ＦａｃｅＲｅｃｏｇｎｉｔｉｏｎＡｌｇｏｒｉｔｈｍｂａｓｅｄｏｎＤｅｅｐＬｅａｒｎｉｎｇＣａｎｄｉｄａｔｅ；ＬｏｎＨａｉｉａｎｇｑｇＳｕｅｒｖｉｓｏｒ：Ｐ加ＴａｎＴａｉｚｈｅ

5、ｐＭａ２０１６ｙＳｃｈｏｏｌｏｆＣｏｍｐｕｔｅｒＳｃｉｅｎｃｅａｎｄＴｅｃｈｎｏｌｏｇｙＧｕａｎｇｄｏｎｇＵｎｉｖｅｒｓｉｔｙｏｆＴｅｃｈｎｏｌｏｇｙＧｕａｎｚｈｏｕＧｕａｎｄｏｎ．Ｒ．Ｃｈｉｎａ５１０００６ｇ，ｇｇ，Ｐ，摘要在研究人臉識別技術(shù)的過程中，針對淺度特征（ＬＢＰ、Ｓ巧Ｔ、ＨＯＧ、Ｇ化ｏｒ等）對一人臉特征表達(dá)效果不理想的問題，提出了種基于多特征融合的深度學(xué)習(xí)人臉識別方法，。該方法首先要用局部二值算法提取人臉局部紋理特征然后對深度網(wǎng)絡(luò)模型進(jìn)行構(gòu)建，并利用深度卷積網(wǎng)絡(luò)的共享權(quán)值和池

6、化、下采樣等技術(shù)降低模型的復(fù)雜度。在構(gòu)建后的模型頂層形成人臉圖像特征分類面，通過訓(xùn)練后得到完好的深度網(wǎng)絡(luò)模型，利用該模型對人臉圖像進(jìn)行特征提取，能夠有效的完成對人臉圖像的識別。實驗效果很好的證明了基于多特征融合的深度學(xué)習(xí)人臉識別方法對人臉特征表達(dá)效果良好，顯著提高了人臉識別的準(zhǔn)確率。本文首先介紹人臉識別的基本原理，描述人臉識別處理的流程和常見的方法。闡述深度學(xué)習(xí)的原理和理論，詳細(xì)分析Ｈ種常見的深度網(wǎng)絡(luò)模型，并通過對手寫字符識別進(jìn)行比較它們的性能和實驗效果，探討模型的大小對深度網(wǎng)絡(luò)模型的性能和實驗效果的影響二（ＬＢＰ）的基本

7、原理，并通過對人臉識別。接著描述淺度特征局部值模式進(jìn)行研究探討ＬＢＰ模型的魯棒性特性和實驗效果。最后著重研究多特征融合的深度網(wǎng)。絡(luò)模型對人臉識別的方法，并通過實驗對不同的人臉識別方法進(jìn)行對比本文的主要工作如下：１、對深度學(xué)習(xí)中常用的特征提取算法進(jìn)行剖析，分析各算法的優(yōu)缺點。通過仿真實驗對各算法的特征表達(dá)效果及運行時間進(jìn)行對比，并對實驗結(jié)果進(jìn)行分析。闡述了深度學(xué)習(xí)的由來、發(fā)展現(xiàn)狀及尚未解決的理論性問題。２、研究深度學(xué)習(xí)在人臉識別中的應(yīng)用。將融合深度特征和淺度特征應(yīng)用于人臉識Ｉ。另該方法首先要用局部二值算法提取人臉局部紋理特征

8、，Ｊ對深度網(wǎng)絡(luò)模型進(jìn)行構(gòu)建，并利用卷積網(wǎng)絡(luò)共享權(quán)值和池化、下采樣等降低模型的