基于视频的人脸检测与识别算法研究

人脸识别论文 像素差异特征论文 回归树论文 梯度下降论文 深度学习论文 卷积神经网络论文
论文详情
基于视频的人脸检测与识别算法研究是针对现如今大数据时代下,面对视频流这种大数据量且非约束状态的复杂场景下的人脸识别解决方案进行研究通过对人脸识别的三个关键环节:人脸检测、关键特征点定位和人脸识别特征提取进行了深入的研究,主要研究内容如下:1.研究基于像素差异特征的人脸检测方法。针对复杂多变的各类非约束性的视频场景,把像素点与像素点之间的差异特征定义为一种新的人脸检测目标特征,利用这种像素级别的特征关联性信息简化特征模型,同时为了进一步提高分类模型的准确性,在传统单阀值分类分割的基础上采用双阀值决策二叉树,利用更加高阶的分类信息进行特征类别的分割,使得分类模型在能更好的处理复杂光照、多变自然场景、角度和遮挡不可控等这种非约束的自然场景。2.研究基于集成回归树的关键特征点检测。充分利用回归树迭代更新的属性,同时采用梯度下降(Gradient Boosting)的方法对回归树进行剪枝优化,不断根据当前输入的人脸特征形状对输出的人脸形状进行估计分析,然后通过求取每一次迭代的更新值来更新下一次迭代的人脸形状输入值,直到迭代结束定位到最后所需的关键特征点。3.研究基于深度学习的人脸识别方法。通过对深度学习方法的学习研究,在相关经典的卷积神经网络框架的基础上,通过选取不同位置、不同尺度、以及不同的颜色通道、甚至于水平翻转的人脸patch优化网络框架结构布局和各层之间的网络参数,使得提取的特征对人脸信息具有更全面的表达能力,同时引入人脸识别和人脸验证双监督信号确保人脸识别的准确性,最后利用贪心算法筛选最具特征表达性的部分人脸patch提取的特征进行连接作为最后提取的人脸特征,使得人脸识别在保证一个高准确率的同时也有着良好的实时性能。
摘要第5-6页
abstract第6-7页
第一章 绪论第10-15页
    1.1 研究背景与意义第10-11页
    1.2 国内外研究现状第11-13页
    1.3 本文的主要贡献与创新第13页
    1.4 本文的结构安排第13-15页
第二章 图像预处理第15-21页
    2.1 引言第15页
    2.2 直方图均衡第15-17页
        2.2.1 数学模型第15-17页
    2.3 基于彩色空间转换的直方图均衡第17-20页
        2.3.1 算法模型第17页
        2.3.2 彩色空间转换算法第17-19页
        2.3.3 实验结果第19-20页
    2.4 本章小结第20-21页
第三章 基于像素差异特征的人脸检测方法第21-34页
    3.1 引言第21-22页
    3.2 基于PICO特征的人脸检测算法第22-26页
        3.2.1 AdaBoost分类器第22-23页
        3.2.2 PICO特征第23-24页
        3.2.3 算法流程第24-26页
    3.3 基于像素差异特征的人脸检测方法第26-33页
        3.3.1 视觉对比灵敏度和韦伯比第26-27页
        3.3.2 特征空间第27-29页
        3.3.3 决策二叉树分类准则第29-30页
        3.3.4 实验结果分析第30-33页
    3.4 本章小结第33-34页
第四章 基于集成回归树的关键特征点检测第34-44页
    4.1 引言第34页
    4.2 人脸关键特征点检测概述第34-38页
        4.2.1 人脸关键特征点应用场景第34-36页
        4.2.2 人脸关键特征点检测算法第36-38页
    4.3 基于集成回归树的关键特征点检测第38-42页
        4.3.1 回归树第38-40页
        4.3.2 Gradient Boosting第40-41页
        4.3.3 集成回归检测器第41-42页
    4.4 实验结果分析第42-43页
    4.5 本章小结第43-44页
第五章 基于深度学习的人脸识别方法第44-68页
    5.1 引言第44页
    5.2 深度学习概述第44-52页
        5.2.1 深度学习基础概念第44-45页
        5.2.2 神经网络第45-46页
        5.2.3 卷积神经网络第46-52页
    5.3 基于深度学习的人脸识别方法第52-62页
        5.3.1 Deep ID网络模型概述第52-55页
        5.3.2 交叉熵第55-58页
        5.3.3 改进的卷积神经网络人脸识别方法第58-62页
    5.4 实验结果第62-67页
    5.5 本章小结第67-68页
第六章 总结与展望第68-70页
    6.1 全文总结第68-69页
    6.2 展望第69-70页
致谢第70-71页
参考文献第71-75页
攻读硕士学位期间取得的成果第75-76页
论文购买
论文编号ABS3078879,这篇论文共76页
会员购买按0.30元/页下载,共需支付22.8
不是会员,注册会员
会员更优惠充值送钱
直接购买按0.5元/页下载,共需要支付38
只需这篇论文,无需注册!
直接网上支付,方便快捷!
相关论文

点击收藏 | 在线购卡 | 站内搜索 | 网站地图
版权所有 艾博士论文 Copyright(C) All Rights Reserved
版权申明:本文摘要目录由会员***投稿,艾博士论文编辑,如作者需要删除论文目录请通过QQ告知我们,承诺24小时内删除。
联系方式: QQ:277865656