基于卷積神經(jīng)網(wǎng)絡的人臉檢測與特征點標定算法研究.pdf

1、隨著數(shù)字圖像技術和深度學習技術的飛速發(fā)展，利用深度學習算法進行數(shù)字圖像領域的信息獲取成為研究熱點。而人臉作為有效的生物學特征，一直備受關注。本文著眼于利用深度學習領域里的卷積神經(jīng)網(wǎng)絡模型對人臉檢測和特征點標定方法進行研究，并通過擴充訓練樣本、構建級聯(lián)結構等方式提出了更加高效的人臉檢測和特征點標定算法。本文的主要研究內(nèi)容如下:
　　(1)人臉檢測算法研究。本文首先介紹了基于卷積神經(jīng)網(wǎng)絡(CNN)的人臉檢測算法。為提升算法的魯棒性，提

2、出了一種訓練樣本擴充策略，使該算法對人臉姿態(tài)、遮擋和光照影響均具有較好的檢測效果。針對圖像金字塔模型中存在誤檢人臉的問題，將非極大值抑制算法引入“去重消錯”機制，有效降低了誤檢率。針對該算法檢測速度慢、誤檢率較高的問題，繼而研究了級聯(lián)卷積網(wǎng)絡人臉檢測算法，并使用Relu激活函數(shù)和Dropout隨機正則化策略進行網(wǎng)絡訓練，不僅加快了網(wǎng)絡的收斂速度，而且提高了泛化能力。
　　(2)特征點標定算法研究。本文首先研究了基于卷積神經(jīng)網(wǎng)絡的特

3、征點標定算法，并引入了局部權值共享策略。為進一步提升標定效果，提出了一種雙層級聯(lián)卷積網(wǎng)絡用于由粗到精的特征點定位。在該模型中，首先利用樣本擴充策略提升系統(tǒng)的魯棒性;其次，在級聯(lián)結構的第一層引入梯度特征，構建像素域和梯度域并聯(lián)的網(wǎng)絡模型，并將兩者標定結果進行加權融合。實驗表明，經(jīng)改進的算法具有更低的標定誤差，并對人臉受到姿態(tài)、表情、膚色、遮擋和光照影響等均具有較好的標定效果。
　　(3)人臉檢測和特征點標定軟件設計與實現(xiàn)。以本文提出