基于深度學(xué)習(xí)的人臉識(shí)別算法與應(yīng)用研究.pdf

1、人臉識(shí)別技術(shù)是智能監(jiān)控系統(tǒng)的重要技術(shù)構(gòu)件，它能通過(guò)非接觸的方式檢驗(yàn)人員身份、具有簡(jiǎn)單方便和易于實(shí)現(xiàn)的特點(diǎn)，因而在許多地方得到廣泛應(yīng)用，但傳統(tǒng)的人臉識(shí)別技術(shù)局限于實(shí)驗(yàn)室場(chǎng)景下，在測(cè)試算法性能的時(shí)候使用的數(shù)據(jù)庫(kù)里的樣本都被嚴(yán)格控制了光照、姿態(tài)、表情等變化，并且有些特征描述子的計(jì)算開(kāi)銷較大，無(wú)法滿足現(xiàn)場(chǎng)測(cè)試的實(shí)時(shí)性要求，所以不能應(yīng)用于實(shí)際場(chǎng)景。因此解決人臉識(shí)別的現(xiàn)場(chǎng)應(yīng)用問(wèn)題具有重要的研究意義與應(yīng)用價(jià)值。
　　本文首先研究了傳統(tǒng)人臉識(shí)別法

2、的局限性和經(jīng)典人臉識(shí)別算法在自然環(huán)境下現(xiàn)場(chǎng)應(yīng)用中存在的瓶頸問(wèn)題，提出基于深度學(xué)習(xí)理論的算法來(lái)抽取模式特征以解決人臉特征對(duì)現(xiàn)場(chǎng)影響因素的魯棒性問(wèn)題。
　　研究了人臉特征選擇算法。重點(diǎn)研究了稀疏濾波（Sparse Filtering）、卷積神經(jīng)網(wǎng)絡(luò)（Convolutional Neural Networks）這兩種特征選擇方法，提出一種SF-CNN雙重深度特征提取模型。
　　然后根據(jù)戶外標(biāo)記人臉數(shù)據(jù)庫(kù)(Labled Faces