论文题目 | 作者 | 年份 | 关键词 | 链接 | 备注 |
---|---|---|---|---|---|
基于卷积神经网络的人脸识别研究 | 张燕红 | 2018 | 人脸识别;卷积神经网络;特征提取;分块策略;正则化 | 博士论文 |
摘要:随着信息技术的蓬勃发展,人们的学习和生活方式都发生了深刻的变化,公共安全日渐成为大家关注的焦点问题。生物特征识别技术由此应运而生,尤其是其中的人脸识别技术。相较于指纹识别、虹膜识别等其他生物识别技术,人脸识别具有采集方式友好、较少需要或不需要人的配合、应用操作简单、隐蔽性好等优点。在日常生活的方方面面如公共安全、金融安全等,人脸识别具有广阔的应用前景,是当今安全技术中热门的研究课题。计算机技术的高速发展更是将人脸识别的研究推向白热化。
长期以来,遮挡、光照、表情、姿态等问题一直是人脸识别的难点所在,建立对这些干扰不敏感的描述模型是当前人们面临的一项艰巨而迫切的任务。深度卷积神经网络模型的出现在很大程度上改善了人脸识别的现状。相比于传统的人脸识别方法而言,深度神经网络模型不需要人工地进行复杂而耗时的特征提取,只需搭建一个有效的网络框架便可实现自适应的自动学习。目前,深度神经网络模型已经成为最受欢迎的人脸识别研究方法,能很好地应对当前大数据的快速积累,并在实际场景中取得了成功的应用。本文借助深度神经网络模型,在不增加数据规模的情况下,就如何进一步提高网络模型的表达能力、提取更加有效的人脸判别特征等问题展开了以下的研究工作:
(1)提出了基于分块策略的深度人脸识别方法。该方法的核心是将分块策略&#