基于深度学习的人脸识别

《基于深度学习的人脸识别》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、乂连謹是大聲ＤＡＬＩＡＮＵＮＩＶＥＲＳＩＴＹＯＦＴＥＣＨＮＯＬＯＧＹ损王享恆巧交ＭＡＳＴＥ民ＡＬＤＩＳＳＥＲＴＡＴＩＯＮ，，‘＇鶏古Ｖ；基于深度学习的人脸棚！Ｊ１业雄学科专业＿＿＿胃福运作者姓名指导教师２答辩日期＿＿马硕±学位论文基于深度学习的人脸识别ＦａｃｅＲｅｃｏｎｉｔｉｏｎｂａｓｅｄｏｎＤｅｅＬｅａｒｎｉｎｇｐｇ作者姓名：程福运．学科、专业；工业工程－学号：２１３０４１４８指导教师；苏铁明讲师完成日期：２０１６年５月

2、乂途巧义乂緣Ｄａｌｉａ打Ｕｎｉｖｅｒｓｉｔｙｏｆ了ｅｃｈｎｏｌｏｇｙ大连理工大学学位论文独创性声明作者郑重声明：所呈交的学位论文，是本人在导师的指导下进行研究＞工作所取得的成果。尽我所知，除文中己经注明引用内容和致谢的地方外，本论文不包含其他个人或集体己经发表的研究成果，也不包含其他已申请学位或其他用途使用过的成果一。与我同工作的同志对本研究所做的贾献均巴在论义中做了明确的说明并表示了谢意。若有不实之处，本人愿意承担相关法律责任。学位论文题目：秦寺叛接终３成入艇皆、城．作者签名：泉痛垃日期＝ａｏｉ／年

3、＜月八日．大连理工大学硕±学位论文摘要传统的人脸识别方法多采用浅层的结构提取人脸图像特征。这类方法提取人脸图像内涵特征的能力有限，其识别效果也难令人满意。随着认知科学和脑科学的发展，为深。层网络技术提供了新的视角和思路人们模拟人脑分层特征表达的结构，提出了多种深层网络模型，逐。深层网络采用非线性、多层网络的结构层提取人脸图像的特征，该类方法提取的特征具有更强的抽象性和判别力，适用于复杂的分类问题。深度学习自提出一Ｗ来，便吸引了众多研究学者的关注，成为了模式识别领域的颗新星。本文将深度学习技术应用于人脸识别，

4、进行了Ｗ下Ｈ项工作：１．人脸姿态估测在人脸识别和人机交互中均有广泛的应用。鉴于梯度特征能够很好地描述不同姿态图像的差异，本文Ｗ灰度特征和梯度特征的组合特征为输入来训练ＤＢＮ网络实现了人脸姿态的分类。本文构建了Ｈ层的深度信念网络（ＤｅｅｐＢｅｌｉｅｆＮｅｔｗｏｒｋ，ＤＢＮ－）模型，并对网络参数进行训练。在ＣＡＳＰＥＡＬＲｌ人脸数据库上进行姿态分类实一地使用灰度特征为输入进行深度学习的方法相比验，实验结果表明，与常规单，使用灰度和灰度差的组合特征为输入取得了更优的识别效果。２．本文分析了图像灰度特征、ＬＢＰ（ＬｏｃａｌＢ

5、ｉｎａｒｙＰａｔｔｅｒｎ，ＬＢＰ）特征和梯度特征在人脸表达上的优缺点，并将这Ｈ种互补性的特征进行融合，提取更具鲁棒性的特征。首先分别提取人脸图像的灰度特征、ＬＢＰ特征和梯度特征，然后构建Ｈ种卷积神经网络（ＣｏｎｖｏｌｕｔｉｏｎａｌＮｅｕｒａｌＮｅｔｗｏｒｋＣＮＮ）分别对灰度特征、ＬＢＰ特征和梯度特征进行降，维，，提取更具判别力的特征，最后将这Ｈ种更具判别力的特征进行串接并通过ＰＣＡ算法进行降维、融合。在ＬＦＷ人脸数据库上进行交叉验证实验，实验结果表明，与基于单特征单网络的特征提取方法相比，基于多特征多网络的特征构建方法

6、具有更好的识别效果。一３．本文提出了种Ｗ减小类内特征波动范围为优化目标的ＣＮＮ网络微调方法。在与训练集ＣＡＳ－ＷｅｂＦａｃｅ人脸数据库不重叠的ＬＦＷ人脸数据库和ＹＴＦ人脸数据库上进．行测试，其等误差识别率分别提高了６．５０％、４０４％。测试实验表明经过微调的ＣＮＮ网络具有更强的泛化能力。关键词：深度学习；人脸姿态估测；人脸识别－－Ｉ基于深度学习的人脸识别ＦａｃｅＲｅｃｏｇｎｉｔｉｏｎｂａｓｅｄｏｎＤｅｅＬｅａｒｎｉｎｇｐＡｂｓｔｒａｃｔＴｈｅｔｒａｄｉｔｉｏｎａｌｆａｃｅｒｅｃｏｇｎｉｔ

7、ｉｏ打ｐｉｐｅｌｉｎｅｕｓｅｓｓｈａｌｌｏｗｓｔｒｕｃｔｕｒｅｔｏｅｘｔｒａｃｔ化ｅｆｅａｔｕｒｅｏｆｆａｃｅｉｍａｇｅ，ｗｈｉｃｈｈａｓｌｉｍｉｂｄａｂｉｌｉｔｙｔｏｅｘｔｒａｃｔｔｈｅｃｏｎｎｏｔａｔｉｏｎｆｅａｔｕｒｅｏｆｆａｃｅｉｍａｅａｎｄｔｈｅｇ，ｒｅｃｏｇｎｉｔｉｏｎｒｅｓｕｌｔｉｓ打ｏｔｓａｔｉｓｆａｃｔｏｒｙ．Ｗｉｔｈｔｈｅｄｅｖｅｌｏｐｍｅ打ｔｏｆｃｏｇｎｉｔｉｖｅｓｃｉｅｎｃｅａｎｄｂｒａｉｎｓｃｉｅｎｃｅ，ｉｔｐｒｏｖｉｄｅｓａ打ｅｗｐｅｒ

8、ｓｐｅｃｔｉｖｅａｎｄｐｉｐｅｌｉｎｅｆｏｒｄｅｅｐ打ｅｔｗｏｒｋｔｅｃｈｎｏｌｏ