資源描述:
《基于深度學(xué)習(xí)的人臉檢測算法研究》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、分類號:密級:。UDC:編號:。工學(xué)碩士學(xué)位論文基于深度學(xué)習(xí)的人臉檢測算法研究碩士研究生:蔣少強指導(dǎo)教師:史震教授學(xué)科、專業(yè):控制工程論文主審人:哈爾濱工程大學(xué)2018年5月分類號:密級:。UDC:編號:。工學(xué)碩士學(xué)位論文基于深度學(xué)習(xí)的人臉檢測算法研究碩士研究生:蔣少強指導(dǎo)教師:史震教授學(xué)位級別:工學(xué)碩士學(xué)科、專業(yè):控制工程所在單位:自動化學(xué)院論文提交日期:2018年5月論文答辯日期:2018年6月學(xué)位授予單位:哈爾濱工程大學(xué)ClassifiedIndex:U.D.C:ADissertationforthe
2、DegreeofM.EngResearchonFaceDetectionAlgorithmBasedonDeepLearningCandidate:JiangshaoQiangSupervisor:Prof.ShiZhenAcademicDegreeAppliedfor:MasterofEngineeringSpecialty:ControlEngineeringDateofSubmission:May,2018DateofOralExamination:June,2018University:Harbin
3、EngineeringUniversity哈爾濱工程大學(xué)學(xué)位論文原創(chuàng)性聲明本人鄭重聲明:本論文的所有工作,是在導(dǎo)師的指導(dǎo)下,由作者本人獨立完成的。有關(guān)觀點、方法、數(shù)據(jù)和文獻(xiàn)的引用已在文中指出,并與參考文獻(xiàn)相對應(yīng)。除文中已注明引用的內(nèi)容外,本論文不包含任何其他個人或集體已經(jīng)公開發(fā)表的作品成果。對本文的研究做出重要貢獻(xiàn)的個人和集體,均已在文中以明確方式標(biāo)明。本人完全意識到本聲明的法律結(jié)果由本人承擔(dān)。作者(簽字):日期:年月日哈爾濱工程大學(xué)學(xué)位論文授權(quán)使用聲明本人完全了解學(xué)校保護(hù)知識產(chǎn)權(quán)的有關(guān)規(guī)定,即研究生在校攻
4、讀學(xué)位期間論文工作的知識產(chǎn)權(quán)屬于哈爾濱工程大學(xué)。哈爾濱工程大學(xué)有權(quán)保留并向國家有關(guān)部門或機構(gòu)送交論文的復(fù)印件。本人允許哈爾濱工程大學(xué)將論文的部分或全部內(nèi)容編入有關(guān)數(shù)據(jù)庫進(jìn)行檢索,可采用影印、縮印或掃描等復(fù)制手段保存和匯編本學(xué)位論文,可以公布論文的全部內(nèi)容。同時本人保證畢業(yè)后結(jié)合學(xué)位論文研究課題再撰寫的論文一律注明作者第一署名單位為哈爾濱工程大學(xué)。涉密學(xué)位論文待解密后適用本聲明。本論文(□在授予學(xué)位后即可□在授予學(xué)位12個月后□解密后)由哈爾濱工程大學(xué)送交有關(guān)部門進(jìn)行保存、匯編等。作者(簽字):導(dǎo)師(簽字):
5、日期:年月日年月基于深度學(xué)習(xí)的人臉檢測算法研究摘要人臉檢測一直是計算機視覺研究中的熱點問題。近年來,隨著物聯(lián)網(wǎng)的發(fā)展,面部特征作為一種身份信息被廣泛應(yīng)用于電子身份認(rèn)證,目標(biāo)監(jiān)視,安全警報等各類自動化和互聯(lián)網(wǎng)系統(tǒng)中,是未來智能社會生態(tài)中重要的一環(huán)。人臉檢測的目的是在圖片或視頻中找到人臉,并使用標(biāo)簽標(biāo)記出人臉的大小與位置。而在實際檢測中,復(fù)雜的場景,不同的尺度都給人臉檢測帶來諸多困難,這導(dǎo)致傳統(tǒng)的檢測方式并不能在實際的場景中應(yīng)用。深度學(xué)習(xí)的應(yīng)用為人臉檢測技術(shù)帶來了一次革命,其利用深層神經(jīng)網(wǎng)絡(luò)強大的擬合能力,人臉
6、檢測算法的精度有了大幅度的提高。然而,這些精度較高的算法在檢測速度上無法滿足實時檢測的要求,難以應(yīng)用到實際場景當(dāng)中。本文希望利用深度學(xué)習(xí)理論,在現(xiàn)有的高精度深層神經(jīng)網(wǎng)絡(luò)模型上,構(gòu)建一個新的全卷積神經(jīng)網(wǎng)絡(luò)應(yīng)用于人臉檢測算法中,在保證檢測速度的同時,進(jìn)一步提高檢測準(zhǔn)確率。本文對傳統(tǒng)的人臉檢測算法和基于深度學(xué)習(xí)的人臉檢測算法進(jìn)行了探討,主要介紹了Viola-Jones法和FasterRCNN兩種代表算法,針對這兩種算法存在的不足,以通用實時目標(biāo)檢測算法YOLOv2為基礎(chǔ),訓(xùn)練得到一個實時的人臉檢測器。該人臉檢測器
7、速度快,檢測率也遠(yuǎn)遠(yuǎn)高于傳統(tǒng)算法,但其準(zhǔn)確率與FasterRCNN相比并沒有太大優(yōu)勢。因此依照實際應(yīng)用的要求,對現(xiàn)有的卷積神經(jīng)網(wǎng)絡(luò)模型做出改進(jìn),提出了基于殘差網(wǎng)絡(luò)的faceyolo人臉檢測算法,并基于其損失函數(shù)和圖像增強做出改進(jìn),最終在FDDB數(shù)據(jù)集上進(jìn)行了對比測試,證明faceyolo在原有的高速檢測下,進(jìn)一步提高了檢測準(zhǔn)確率,同時,其對小臉和多個人臉的檢測效果也有所改善。最后,本文在faceyolo算法的基礎(chǔ)上構(gòu)建了一個可以進(jìn)行圖像人臉檢測和調(diào)用攝像頭實時人臉檢測的人臉檢測系統(tǒng),可對算法的檢測效果進(jìn)行測
8、試,也可投入實際應(yīng)用當(dāng)中。關(guān)鍵詞:人臉檢測;深度學(xué)習(xí);算法改進(jìn);殘差網(wǎng)絡(luò);對比測試哈爾濱工程大學(xué)碩士學(xué)位論文基于深度學(xué)習(xí)的人臉檢測算法研究AbstractFacedetectionhasalwaysbeenahottopicincomputervisionresearch.Inrecentyears,withthedevelopmentoftheInternetofthings,facialfeatures,as