隨著計算機軟硬件技術、生物識別技術和機器學習的日益成熟,基于深度學習的人臉識別技術受到了社會的廣泛關注。人臉識別技術憑借著其非強制性、非接觸性、高準確率、易于采集、高并發、無侵犯等特性,在個人身份識別、支付系統、公安系統、銀行系統、政府部門和商業領域得到了廣泛的應用。但是,由于人臉識別技術在實際應用中通常使用攝像頭進行人臉圖像采集,采集的人臉圖像中含有大量的非人臉信息,而且自然環境下復雜光照易對圖像中人臉信息造成影響,導致人臉識別中仍存在一系列問題亟待解決,例如:如何準確地提取采集圖像中的人臉區域;針對復雜光照環境下人臉圖像,如何有效地增強圖像中的人臉信息;如何設計高性能的深度卷積神經網絡模型結構,提高人臉識別準確率。這些問題的解決無疑對基于深度學習的復雜光照環境下人臉識別技術的研究產生一定的推動作用。因此,針對上述問題,本文展開研究的方向主要包含以下幾個。(1)針對自然環境下采集的圖像中存在大量非人臉信息的問題,設計了基于目標檢測的人臉圖像提取算法。給定待提取的圖像,首先采用膚色分割技術對輸入圖像進行粗識別,獲取包含人臉信息的候選區域;然后利用多任務級聯網絡模型對獲取的候選區域進行精...

【文章頁數】：66 頁

【學位級別】：碩士

【部分圖文】：

圖1-1基于深度學習的復雜光照環境下人臉識別技術路線圖

緒論7圖1-1基于深度學習的復雜光照環境下人臉識別技術路線圖Fig1-1Roadmapforfacerecognitiontechnologyincomplexlightingenvironmentsbasedondeeplearning1.4論文結構安排本論文以人臉圖像為研究對....

圖2-2CascadeCNN網絡結構

相關技術理論基礎92相關技術理論基礎復雜光照環境下人臉識別系統的流程主要包括采集圖像、人臉圖像提娶圖像增強、人臉識別和輸出結果，如圖2-1所示。本章按照人臉識別系統的流程依次介紹了基于深度學習的復雜光照環境下人臉識別技術中所用到的關鍵技術理論基礎，包括人臉圖像提取中多任務級聯網絡....

圖2-3MTCNN網絡結構

華北水利水電大學碩士學位論文10其中每一級網絡的輸入尺寸分別為12×12，24×24和48×48大小的圖像，并且每一級網絡都是二分類模型，對于正負樣本，訓練時分別縮放至對應的尺寸進行訓練。2.1.2MTCNNMTCNN[43]是傳統的增強級聯結構與CNN的有效組合，其思想來自Ca....

圖2-4CNN在人臉識別領域應用的網絡結構案例

華北水利水電大學碩士學位論文12應的像素值為211，該值就是最后送入顯示器的數據。Gamma函數可以有效校正圖像的像素值，從而增強圖像信息，但是傳統的Gamma函數校正法中gamma的取值是需要提前設定，且校正過程中不發生改變，無法實現自適應校正操作。2.3卷積神經網絡卷積神經網....

本文編號：4000316