基于深度学习的人脸识别算法

《基于深度学习的人脸识别算法》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、－，＇？．．？沁．．，一＇？－、。．＇．‘。■■＼Ｖｒ…．．．／．’＇’－＇＇…＾：、－、，＂．’＇－－二＾八７■■：＇．＇＇＜．＼／■，．‘、＇片．．一‘；－ｒ＞？－－．－．－广东工业大学硕±学位论文＇八．，．冷；＇、；（工程硕±）＇．－，Ｊ．、．ｆ？＇■’；‘．Ｖ，乂巧＾、■■Ｋ．Ｉ－：．’Ｎ山喘－’＂－＇＇端．Ａ＇Ｉ．户基于深度学习的人脸识别算法龙海强，．—＇

2、…．－＇，．－＇、．Ｉ心＇ｓ．Ｖ＇／？．‘．．’＇．’、．＾．，若一．．，１如Ｊｒ户ｒ—－一—－＇＇＼吓义背…。．ｖ＇－一■■■＇＇ｉ？＞Ｖ＞！－－Ｉ＇＾子ｈ，■一？屯．牛．－４－、‘。＇－＇Ｖ占楼心＇．－八．．＇’＇＇Ｖ二＇－？．Ｉ—■押＇：媒；；？－、－．ＸＩ卢．．＇．？．；－，护‘’－二０—女Ｖ；六年五月．．羞／＇’．、、—：＇。：，．？＇－．ｖ；沁／Ｖ；Ｖ＇沾＇擊■－＇―占‘一，：＇■Ｖ

3、＼东、Ｖ；‘巧。＇一：解．＇．＇．＇、‘’Ｖ；．，／Ｖ＞妒幸４■－，’；．Ｗ＊卢’■：Ｌ：‘／州’：Ｉ．‘人．心号声＇＂．＇诚巧．＾、、－、一、－、－．．．■．；务＇’‘．．＂’‘＇一．；去咬＇？去．句＼Ｃ軒ｉ，＊４—＇：，‘Ｉ．．知心．．月：ｉ．分类号：学校代号：＂８４５ＵＤＣ：：１１３０；密级学号２１５１１０广东工业大学硕±学位论文（工程硕ｉ）基于深度学习的人脸识别算法龙海强校内导师姓名、职称：谭台哲副教授校外导师姓名、职称：崔洪刚讲师

4、学科（专业）或领域名称：软件工程学生所属学院：计算机学院．０．论文答辩日期：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在研究人脸识别技术的过程中，针对浅度特征（ＬＢＰ、Ｓ巧Ｔ、ＨＯＧ、Ｇ化ｏｒ等）对一人脸特征表达效果不理想的问题，提出了种基于多特征融合的深度学习人脸识别方法，。该方法首先要用局部二值算法提取人脸局部纹理特征然后对深度网络模型进行构建，并利用深度卷积网络的共享权值和池

6、化、下采样等技术降低模型的复杂度。在构建后的模型顶层形成人脸图像特征分类面，通过训练后得到完好的深度网络模型，利用该模型对人脸图像进行特征提取，能够有效的完成对人脸图像的识别。实验效果很好的证明了基于多特征融合的深度学习人脸识别方法对人脸特征表达效果良好，显著提高了人脸识别的准确率。本文首先介绍人脸识别的基本原理，描述人脸识别处理的流程和常见的方法。阐述深度学习的原理和理论，详细分析Ｈ种常见的深度网络模型，并通过对手写字符识别进行比较它们的性能和实验效果，探讨模型的大小对深度网络模型的性能和实验效果的影响二（ＬＢＰ）的基本

7、原理，并通过对人脸识别。接着描述浅度特征局部值模式进行研究探讨ＬＢＰ模型的鲁棒性特性和实验效果。最后着重研究多特征融合的深度网。络模型对人脸识别的方法，并通过实验对不同的人脸识别方法进行对比本文的主要工作如下：１、对深度学习中常用的特征提取算法进行剖析，分析各算法的优缺点。通过仿真实验对各算法的特征表达效果及运行时间进行对比，并对实验结果进行分析。阐述了深度学习的由来、发展现状及尚未解决的理论性问题。２、研究深度学习在人脸识别中的应用。将融合深度特征和浅度特征应用于人脸识Ｉ。另该方法首先要用局部二值算法提取人脸局部纹理特征

8、，Ｊ对深度网络模型进行构建，并利用卷积网络共享权值和池化、下采样等降低模型的