基于深度学习的人脸识别系统设计与实现.pdfVIP

中文摘要 摘 要 目前，由于深度学习的飞速发展，约束条件下的人脸识别问题已经基本得到 解决，但是在非约束场景下，人脸识别仍然面临诸多挑战。其中，在非约束场景 下，人脸的多姿态问题对人脸识别造成严重干扰，成为非约束场景下人脸识别领 域的重点问题。因此，研究具有姿态鲁棒性的人脸识别算法并设计与实现相应的 应用系统，满足行业所需，具有重要的理论和现实意义。 本论文在完成非约束场景下基于深度学习的人脸识别系统的实现之后，进一 步研究多姿态人脸的特征表示，对具有姿态鲁棒性的人脸识别算法进行探索。主 要研究内容如下： 设计并实现了非约束场景下基于深度学习的人脸识别系统。首先设计人脸识 别系统的各个模块的算法功能，并以 tensorflow 框架为平台，Python 和 C++为编程 语言，对图片获取模块、人脸检测模块、人脸对齐模块、人脸识别模块、报警模 块进行编程实现，完整地实现了一个人脸识别系统。 进一步，针对非约束场景下出现“相似姿态的不同人误判为同一人，不同姿态 的同一人错判为不同人”现象，深刻分析其形成原理，基于特征层面的“正面化”思 想，把多姿态的人脸特征表示映射为近似正面的人脸特征表示，再利用正面的人 脸特征表示实现识别，达到对姿态鲁棒的目的。围绕这个思想，本论文增加姿态 估计和姿态分类两个过程，从而得到人脸的姿态分类标签。并重新设计特征提取 网络，利用姿态标签构建姿态映射转换模块，并定义新的姿态损失函数来优化网 络。 最后通过在 LFW 、CFP、IJBA-A 三个公开数据集上进行测试验证，证明本论 文的良好识别效果。同时对实现的人脸识别系统进行测试，表明人脸识别各个模 块实现了设计功能且效果良好，整个系统能够流畅运行，达到了预期的目标。 关键词：人脸识别；深度学习；非约束场景；多姿态 I 英文摘要 ABSTRACT At present, due to the rapid development of deep learning, the face recognition problem under constraint conditions has been basically solved, but in the unconstrained scene, face recognition still faces many challenges. Among them, in the unconstrained scene, the multi-pose problem of the face causes serious interference to the face recognition, which becomes the key issue in the field of face recognition in the unconstrained scene. Therefore, it is of great theoretical and practical significance to study the face recognition algorithm with attitude robustness and design and implement the corresponding application system to meet the needs of the industry. After completing the face recognition system based on deep learning in unconstrained scenes, this thesis further studies the feature representation of multi-pose faces and explores the face recognition algorith