基于GAN网络的口罩遮挡人脸识别方法研究与应用.pdfVIP

目录

摘要I

ABSTRACTIII

第一章引言1

1.1研究背景及意义1

1.2国内外研究现状2

1.3本文主要工作4

1.4论文组织结构5

第二章相关理论研究7

2.1生成对抗网络7

2.1.1GAN实现原理7

2.1.2GAN网络优点9

2.1.3GAN网络存在的问题9

2.2图像修复9

2.2.1基于GAN网络的图像修复方法10

2.2.2Transformer类的图像修复方法11

2.3人脸识别流程13

2.3.1人脸检测13

2.3.2特征提取15

2.3.3特征匹配15

2.4本章小结15

第三章基于GAN网络改进的遮挡人脸图像修复算法17

3.1改进的生成对抗网络框架17

3.1.1生成器18

3.1.2判别器19

3.1.3SwinTransformerblock19

3.1.4损失函数20

3.2实验结果与分析22

3.2.1数据集与实验设置22

3.2.2评价指标22

3.2.3实验结果23

3.3本章小结25

第四章基于FaceNet改进的口罩遮挡人脸识别算法27

4.1FaceNet人脸识别算法27

4.2改进的口罩遮挡人脸识别算法28

4.2.1模型算法轻量化改进28

4.2.2损失函数30

4.3实验结果及分析30

4.3.1口罩遮挡数据集制作31

4.3.2实验结果32

4.4本章小结34

第五章口罩遮挡人脸识别系统设计与实现35

5.1系统设计35

5.1.1总体架构35

5.1.2系统功能模块设计36

5.1.3系统数据库设计37

5.1.4运行环境配置要求37

5.2主要功能流程38

5.2.1人脸修复流程38

5.2.2人脸识别流程39

5.3系统展示39

5.3.1用户登录注册模块39

5.3.2人脸数据库管理模块40

5.3.3人脸修复模块41

5.3.3人脸识别模块41

5.3本章小结42

第六章总结与展望43

6.1总结43

6.2展望44

参考文献45

在学期间取得的科研成果51

致谢53

摘要

随着计算机技术的迅速发展，人脸识别技术日益普及并广泛应用于现实生活。

然而在后疫情时代背景下，大众对个人防护越来越重视，口罩已成为生活出行的标

配，由于口罩对人脸大面积的遮蔽，使得人脸识别技术遇到了一些挑战。当大部分

面部特征被口罩遮蔽，尤其是下半部分面部的关键识别区域，不可避免地导致了现

有算法在实施过程中识别准确率的大幅下降。这一挑战促使人脸识别技术应尽快适

应全新的应用场景，寻求在口罩遮挡下依然能有效提取和分析面部特征的方法，以

克服因信息不足而导致的性能低下。

鉴于口罩对人脸识别效果的显著干扰，本文提出结合人脸修复的人脸识别算

法，旨在改进现有算法以减轻口罩遮挡所带来的识别难题。本文主要工作如下：

1GAN

（）基于生成对抗网络（）改进遮挡人脸图像修复算法，完成遮挡人脸