随着社会的不断发展,人们的身份信息在生产生活中显得越来越重要。人脸识别技术不仅是计算机视觉研究的热点,而且在安保、金融、电子政务等多个领域得到了广泛应用。本文中主要是研究了深度学习方法中卷积神经网络的模型在自然场景下人脸识别的相关应用。与传统的人脸识别的方法相比深度卷积神经网络的模型不需要人工进行相对复杂并且耗时的特征提取的算法设计,我们只需要选择或设计一个有效的神经网络模型,并在大量的训练样本上进行简单高效的训练,便可提取出图像的特征并获得相对较好的分类准确率。这种方法的性能和效果主要取决于网络结构的设计,因此在本文研究过程中,将重点放在如何构建一个合理的网络模型上,并采取相关的技术使其在训练集上能够快速稳定的收敛,最终还要获得良好的识别效果。本论文主要对人脸检测和人脸识别的方法进行了分析、优化和实现。在人脸检测过程中,将Haar特征与Adaboost算法相结合起来,并运用积分图的方法来加快Haar特征的求值计算,从而快速高效  (本文共65页) 本文目录 | 阅读全文>>

随着计算能力和数据量的增加,深度学习的二次崛起给计算机视觉领域带来了巨大的发展,通过训练深度神经网络,人工智能系统突破了传统方法在准确度上的瓶颈,在某些领域超过了人类的表现。随着准确度的不断提升,人脸检测和人脸识别技术已逐渐走向商业化,进入人们生活。针对人脸检测与识别算法,尤其是人脸识别算法在嵌入式系统部署中计算复杂度成为热点问题,本文从系统设计、算法设计和硬件平台设计与实现三方面进行了研究,设计并实现了一种可以实时运行的嵌入式人脸检测与识别系统。本文首先在嵌入式人脸检测和人脸识别技术的基本理论上分析了人脸检测与人脸识别的基本方法,选择人脸检测和人脸识别级联的识别方法而非对输入图像直接分类识别人脸的方案;在算法方面,提出了改进的MTCNN作为前置人脸检测算法模块;针对人脸识别算法复杂度问题,设计并训练了 SELCNN轻量级人脸识别模型,在LFW数据集上取得了98.12%的正确率;在算法研究的基础上,本文设计并实现了一套人脸检测与...  (本文共89页) 本文目录 | 阅读全文>>

随着数据大规模存储的能力和硬件设备计算能力的飞速提升,以及神经网络领域算法的不断创新,深度学习从快速发展期进入了新的爆发期。与深度学习相关的各类研究蓬勃发展,不仅在理论方面有了显著的进步,还通过与现有互联网技术的有机结合,促进了各个行业的智能化发展,对社会产生了深远的影响。而基于深度学习的人脸识别技术更是由于其在各类身份鉴权场景下的易用性,成为了深度学习领域未来最有前景的研究方向之一。相比于指纹身份鉴权方式,人脸识别采集具有非强制性,且在鉴权时不需要与设备直接接触。相比于密码身份鉴权方式,人脸识别非常简单易用,能带来更好的人机交互体验。然而由于人脸具有易变性和相似性的特点,并且人脸识别技术通常也更容易受到环境因素的干扰,这使得实现一个具有极高安全性的高可用人脸识别系统仍是一项很具挑战性的工作。因此本文主要致力于设计一个多场景下高可用的人脸识别系统。本文的工作主要由以下几部分组成。第一部分是人脸检测模块的研究与改进,该部分主要对人...  (本文共77页) 本文目录 | 阅读全文>>

目前,卷积神经网络在计算机视觉领域的很多任务中均获得了令人瞩目的成绩,主要是得益于大规模的训练数据及其端到端的网络结构。然而我们很难理解神经网络到底在计算过程中学到了什么。本文利用深度学习框架验证神经网络拟合非线性函数的能力,并可视化了部分经典卷积神经网络模型,以帮助理解神经网络中的神经元究竟是做了什么样的计算。自2014年来,更深更广的网络使得卷积神经网络的性能不断提高。不同层次的网络可以提取出不同级别的特征,因此对于人脸识别任务而言,神经网络的深度至关重要。然而更深的网络意味着更多的参数,使得网络收敛的更慢且易于过拟合。如果只是简单的给神经网络堆叠更多的层,只会导致网络训练误差不断提高。本文讨论了几种不同的方法来提高卷积神经网络的深度,并根据这些方法设计结合残差网络与inception结构的深度网络结构。大多数卷积神经网络都使用softmax损失函数作为模型的分类器函数。对于人脸识别任务而言,通过深度网络学习到的特征需要有足...  (本文共70页) 本文目录 | 阅读全文>>

为了让学生的学习、生活更加智能化,提高教学管理效率,同时建立一个更加安全的校园环境,采用卷积神经网络实现智慧校园人脸识别。文章对卷积神经网络的卷积层、池...  (本文共4页) 阅读全文>>

人脸识别技术是一种依靠人的脸部特征信息来进行身份识别的生物识别技术,由于其直观、可靠和稳定等优点,在身份认证场景、证件验证场景和人脸检索场景等多个场景下都有广泛的应用。国内外学者提出了许多的人脸识别算法,但当前的人脸识别算法依旧存在两个方面的问题:一方面人脸识别算法在部分公开数据集上的识别率仍然较低;另一方面当下主流的人脸识别算法大多使用卷积神经网路作为特征提取模块,卷积神经网络的使用会造成了人脸识别算法的训练时间过长。本文充分调研了大量关于卷积神经网络和人脸识别领域的论文和报告,做了如下工作:(1)通过对人脸识别网络Sphereface20中特征提取、激活函数和损失函数等方面的分析,本文运用SE-Res Net模块、Swish激活函数对原网络进行了优化,得到了人脸识别网络SERes Net-20。SE-Res Net-20网络中SE-Res Net模块的使用提升了人脸图像特征提取的效果,Swish激活函数的使用提高了网络的非线...  (本文共67页) 本文目录 | 阅读全文>>