姿态变化的人脸识别问题研究

《姿态变化的人脸识别问题研究》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、中文图书分类号：TP391密级：公开UDC：39学校代码：10005硕士学位论文MASTERALDISSERTATION论文题目：姿态变化的人脸识别问题研究论文作者：漆薇学科：信息与通信工程指导教师：毋立芳教授论文提交日期:2017年5月UDC：39学校代码：10005中文图书分类号：TP391学号：S201402066密级：公开北京工业大学工学硕士学位论文题目：姿态变化的人脸识别问题研究英文题目：RESEARCHONFACERECOGNITIONWITHPOSEVARIATION论文作者：漆薇学科专业：信息与通信工程研究方向：人脸识别申请学位：工学硕士指导教师：毋立芳教授所在单位：信息

2、学部答辩日期：2017年5月授予学位单位：北京工业大学独创性声明本人声明所呈交的论文是我个人在导师指导下进行的研究工作及取得的研究成果。尽我所知，除了文中特别加以标注和致谢的地方外，论文中不包含其他人已经发表或撰写过的研究成果，也不包含为获得北京工业大学或其它教育机构的学位或证书而使用过的材料。与我一同工作的同志对本研究所做的任何贡献均已在论文中作了明确的说明并表示了谢意。签名：漆薇日期：2017年5月24日关于论文使用授权的说明本人完全了解北京工业大学有关保留、使用学位论文的规定，即：学校有权保留送交论文的复印件，允许论文被查阅和借阅；学校可以公布论文的全部或部分内容，可以采用影印、缩

3、印或其他复制手段保存论文。（保密的论文在解密后应遵守此规定）签名：漆薇日期：2017年5月24日导师签名：毋立芳日期：2017年5月24日摘要摘要近年来，深度学习在人脸识别领域的成功应用，推动了人脸识别技术的发展。但是这些人脸识别技术仍然无法在所有人脸识别应用中完美应用。实际应用中，姿态变化是影响人脸识别性能重要的因素之一。本论文针对人脸识别中姿态变化问题和单样本问题进行研究。以单张标准正面姿态人脸图像进行注册，对一定范围内姿态变化的人脸图像进行识别。论文主要工作如下：提出了一种基于卷积神经网络输出概率加权的头部姿态估计方法。针对训练集人脸姿态类型有限的问题，提出了卷积神经网络多分类训练

4、模型与softmax输出概率加权相结合的人脸姿态估计方法，实现对未训练的人脸姿态估计。实验结果表明，提出算法对于训练姿态估计误差1度左右，对于未训练姿态估计误差5度左右，基本满足应用需求。提出了一种基于3D模型生成姿态变化的虚拟图像的人脸识别框架。首先，提出了用3DMM方法将二维人脸重构成三维模型，利用论文所提出的姿态估计算法得到测试人脸的角度后，将模型旋转角度得到虚拟角度的人脸。最后，提出了ASIFT结合SSIM方法进行人脸识别的框架。提出算法在左右旋转的人脸图像上取得了出色结果。关键词：姿态变化；深度学习；单样本；3DMM；人脸识别IAbstractAbstractInrecenty

5、ears,deeplearninghasbeensuccessfullyappliedinfacerecognitionandpushfacerecognitionapplication.Inpracticalapplication,posevariationisoneoftheimportantfactorsthataffecttheperformanceoffacerecognition.Inthisthesis,theproblemofposevariationandsinglesampleinfacerecognitionarediscussed.Eachsubjecthasas

6、inglegalleryimagewithfrontviewandnormallighting.Theproposedalgorithmworkstofaceswithlimitedposevariation.Theprimaryworkisasfollows:Weproposedaprobabilityweightedheadposeestimationmethodbasedonconvolutionneuralnetwork.Toaddresstheproblemoflimitedheadposesinthetraining,weproposeaheadposeestimations

7、chemetocombiningmultiplelabelclassificationandprobabilityweight.Theexperimentalresultsshowthattheproposedalgorithmcouldgetthe1degreeerrorsfortheposeclassificationsinthetrainingset,andthe5degreeerrorsfortheuntrainedpose