基于卷积神经网络的三维人脸识别研究

《基于卷积神经网络的三维人脸识别研究》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、基于卷积神经网络的三维人脸识别研究作者姓名赵亚龙导师姓名、职称齐飞副教授一级学科控制科学与工程二级学科模式识别与智能系统申请学位类别工学硕士提交学位论文日期2014年12月学校代码10701学号1202121222分类号TP39密级公开西安电子科技大学硕士学位论文基于卷积神经网络的三维人脸识别研究作者姓名：赵亚龙一级学科：控制科学与工程二级学科：模式识别与智能系统申请学位类别：工学硕士导师姓名、职称：齐飞副教授提交日期：2014年12月3DFaceRecognitionBasedonConvolu

2、tionNeuralNetworkAthesissubmittedtoXIDIANUNIVERSITYinpartialfulfillmentoftherequirementsforthedegreeofMasterinControlScienceandEngineeringByZhaoYalongSupervisor:A.P.QiFeiDecember2014西安电子科技大学学位论文独创性（或创新性）声明秉承学校严谨的学风和优良的科学道德，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

3、取得的研究成果。尽我所知，除了文中特别加以标注和致谢中所罗列的内容以外，论文中不包含其他人已经发表或撰写过的研究成果；也不包含为获得西安电子科技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做了明确的说明并表示了谢意。学位论文若有不实之处，本人承担一切法律责任。本人签名：日　　期：西安电子科技大学关于论文使用授权的说明本人完全了解西安电子科技大学有关保留和使用学位论文的规定，即：研究生在校攻读学位期间论文工作的知识产权单位属于西安电子科技大学。学

4、校有权保留送交论文的复印件，允许查阅、借阅论文；学校可以公布论文的全部或部分内容，允许采用影印、缩印或其它复制手段保存论文。同时本人保证，获得学位后结合学位论文研究成果撰写的文章，署名单位为西安电子科技大学。保密的学位论文在年解密后适用本授权书。本人签名：导师签名：日　　期：日　　期：摘要摘要人脸识别作为计算机视觉和人工智能领域的热门研究方向，一直以来备受人们关注。人脸识别技术虽然经历了几十年的发展，但是由于现实场景中人脸的表现形式过于复杂，如今的人脸识别技术仍难应用于实际场景中。本文从三维角度出

5、发，抓住人脸识别中经常被忽略但是信息量非常大的三维深度信息，并利用深度学习的方法，分析了三维信息在人脸识别中的重要性，之后本文还提出了几种有效的二维和三维信息的融合策略。本文选取了深度学习中的卷积神经网络作为基础研究方法，根据自身实验数据库的特点，提出了一个八层的卷积网络结构，此网络采用了两个卷积层和两个下采样层，一个局部连接层，两个全连接层以及一个回归层。此网络在能够取得很好识别率的基础上尽量降低了参数数量，避免训练过程中的过拟合，同时少的网络参数也能降低网络对于数据量的依赖性。实验结果表明，此

6、网络的数据依赖性很低，在较少数量的样本集上表现结果良好，鲁棒性高。为了验证三维人脸信息的有效性，本文采用建立的八层卷积神经网络，进行了对比试验，实验结果表明单独的利用三维人脸数据比单独利用二维人脸数据更加有效。之后本文提出了三种不同的二维和三维信息的融合方式，分别是RGB-D、Gray-D和RGB-D-W。最终的实验结果表明，不损失任何信息的RGB-D的融合方式得到的识别准确度最高。本文采用了能够提取非线性高级特征的深度学习方法，深入研究了在人脸识别领域中三维信息所起到的作用。本文提出了自己的卷积

7、网络结构，并利用此结构分析和对比了二维和三维信息在人脸识别中起到的作用，并提出了一种较好的二维和三维信息的融合策略。关键词：人脸识别,深度学习,卷积神经网络,三维,信息融合论文类型：应用基础技术IABSTRACTABSTRACTFacerecognitionasahotresearchdirectioninthefieldofcomputervisionandartificialintelligencehasgotmuchattention.Facerecognitiontechnologyhas

8、experienceddecadesofdevelopment,butsincethefaceintherealsceneistoocomplex,nowfacerecognitiontechnologyisstilldifficulttoapplyinactualscenario.Thisthesisseizethe3Ddepthinformationwhichisoftenignoredbutveryimportant,andusethedeeplearningmethodto