论文部分内容阅读
随着人工智能和模式识别的快速发展,人脸识别已成为计算机视觉领域的研究热点,尤其在深度学习被提出后,人脸识别算法的性能更是有了巨大的提升。目前,市面上涌现出许多基于人脸识别的应用,例如表情识别、人脸搜索等应用。此外,随着智能手机和移动互联网的广泛使用,人脸识别,作为一种可靠的身份验证技术,引起了广泛研究。人脸识别系统可以分为如下两类:1:1人脸验证和1:N人脸识别。本文主要研究1:N人脸识别,该系统的难度在于当类别N较大时,传统识别算法性能不能满足要求,而深度学习却可以很好的处理大数据。因此,本文利用深度学习解决较大规模人脸识别问题,并利用Caffe开源框架设计和实现了一个用于人脸识别任务的深度神经网络,最后基于Web和Android手机设计了人脸识别软件。本论文首先对人脸识别和深度学习的相关技术做了简单介绍,并详细描述了深度学习框架Caffe的优点、开发环境搭建和如何使用Caffe设计深度神经网络。然后利用Caffe设计实现了一个用于人脸识别的深度卷积神经网络,该网络有5个卷积层和3个池化层,并在YouTube人脸库上训练该模型,通过特征可视化分析和实验结果可得:相比于手工特征,本论文设计的网络模型能更有效的表征人脸,且识别率比特征脸等传统方法好;与VGG-16模型相比,本论文设计的网络模型层级数目较少,且能满足识别率的要求。接下来,利用该网络模型,基于Web和Android平台设计实现了人脸识别软件,包括人脸识别模块、URL绑定、文件上传等模块,编写HTML页面供用户通过浏览器访问,并设计实现了Android手机客户端软件。最后,本论文对所设计的软件进行测试,测试结果表明:该人脸识别软件在背景单一、光照条件良好的条件下,正脸识别率高,能满足性能要求。此外,该软件具有较强的实用性,可应用于手机刷脸登录等系统。