基于卷積神經(jīng)網(wǎng)絡(luò)的身份識(shí)別技術(shù)研究與應(yīng)用.pdf

1、近幾年，隨著GPU等計(jì)算機(jī)硬件的快速發(fā)展，使計(jì)算機(jī)的并行計(jì)算能力大幅提升，卷積神經(jīng)網(wǎng)絡(luò)等深度學(xué)習(xí)算法迅速崛起，各種基于生物特征的身份識(shí)別技術(shù)得到了越來(lái)越廣泛和深入的研究，部分算法的識(shí)別準(zhǔn)確度甚至已經(jīng)超過(guò)了人類(lèi)。但是，大多數(shù)算法在應(yīng)用條件上都有比較大的限制，如指紋識(shí)別要求被識(shí)別對(duì)象必須主動(dòng)配合，人臉識(shí)別則要求能夠提取足夠清晰的被識(shí)別對(duì)象的面部圖像，這些限制使身份識(shí)別技術(shù)在實(shí)際應(yīng)用中存在著明顯的局限性。
　　本文提出了一種基于多視角人

2、體特征的多網(wǎng)絡(luò)身份識(shí)別模型，與人臉識(shí)別和指紋識(shí)別等基于人體局部特征的身份識(shí)別方法不同，該模型基于人體的整體特征進(jìn)行識(shí)別，為克服人臉識(shí)別等方法的局限性提供了一種有效的解決方案。該模型改變了傳統(tǒng)的單網(wǎng)絡(luò)訓(xùn)練模式，通過(guò)多個(gè)卷積神經(jīng)網(wǎng)絡(luò)對(duì)不同視角的圖像分別進(jìn)行學(xué)習(xí)，得到每個(gè)視角對(duì)應(yīng)的模型后，再將其加權(quán)融合構(gòu)成最終的身份識(shí)別模型。在面部有遮擋或圖像分辨率較低等無(wú)法獲取清晰面部圖像的情況下，尤其是在視頻監(jiān)控等遠(yuǎn)距離非接觸式的身份識(shí)別場(chǎng)景中，該算法表