發(fā)布時間：2020-04-09 07:32

【摘要】：人臉檢測和識別技術(shù)作計算機視覺領(lǐng)域的重要分支,在公共安全、身份認證等領(lǐng)域有著廣泛的應(yīng)用。近年來,隨著計算設(shè)備性能的提高和大數(shù)據(jù)技術(shù)的發(fā)展,基于深度學習的人臉檢測和識別算法性能大幅提高。而在現(xiàn)實世界的應(yīng)用中,遮擋限制了人臉檢測和識別精度的進一步提升,因此研究遮擋條件下人臉檢測和還原算法有著重要的意義。針對遮擋條件下人臉檢測與還原任務(wù)中存在的特征污染、數(shù)據(jù)缺乏和修復(fù)難以保持人臉識別結(jié)果一致的問題,本文基于深度學習框架,從遮擋人臉檢測、人臉遮擋分割、遮擋人臉修復(fù)三個方面進行了研究和改進,主要工作如下:1、針對遮擋條件下人臉檢測任務(wù)中存在的特征污染問題,提出了一種基于注意力機制和局部特征的人臉檢測算法。在基于錨框的單級人臉檢測算法的基礎(chǔ)上,對網(wǎng)絡(luò)提取的特征圖金字塔生成了對應(yīng)的多級注意力圖。同時,針對卷積運算中下采樣操作造成遮擋特征彌散到人臉特征的問題,改進了提取特征時的下采樣操作,將局部特征保存在全局特征的不同通道中。實驗結(jié)果表明,多級注意力機制和局部特征的利用可以有效地提高遮擋條件下人臉檢測算法的精度。2、針對當前人臉遮擋分割算法數(shù)據(jù)缺乏的問題,提出了一種基于深度自動編碼機的無監(jiān)督人臉遮擋分割算法。通過自動編碼機對圖像進行編碼重建,通過對重建誤差圖的分析得到遮擋分割的結(jié)果。同時,為了改善分割的精度,利用遮擋圖像和對應(yīng)無遮擋圖像在非遮擋區(qū)域的一致性改進了分割損失函數(shù)。實驗結(jié)果表明,該方法可以有效地以無監(jiān)督的方式分割出人臉圖像中包含的遮擋區(qū)域。3、針對當前人臉圖像修復(fù)任務(wù)難以保持修復(fù)前后人臉識別結(jié)果一致的問題,提出了一種基于生成對抗網(wǎng)絡(luò)的人臉圖像修復(fù)算法。在基于深度自編碼機的圖像修復(fù)的算法中引入對抗性損失,提升了修復(fù)后圖像的真實性。同時,利用預(yù)訓練的人臉識別網(wǎng)絡(luò)提取圖像中的身份特征,并設(shè)計了一種新穎的身份保持損失函數(shù)訓練修復(fù)網(wǎng)絡(luò)。實驗結(jié)果表明,該方法可以修復(fù)出真假難辨的人臉圖像,同時有效的提高了人臉圖像修復(fù)后人臉識別的準確率。
【圖文】：

圖 1. 3 VJ 人臉檢測框架原理圖如圖 1.3，基于傳統(tǒng)方法的人臉檢測,如 VJ 人臉檢測框架[5]，主要是通過在圖像中的窗口產(chǎn)生候選人臉集合，然后基于人臉圖像的手工特征（如 Haar 特征[6]）設(shè)計一個人人臉的二分類器。通過對大量的候選人臉集合進行分類而得到人臉的位置。同時使用大值抑制來消除重復(fù)的檢測框。

圖 1. 7 上下文編碼器網(wǎng)絡(luò)結(jié)構(gòu)圖如圖 1.7 所示，Pathak[25]提出的上下文編碼器(Context Encoder)成為了基于深度學習臉圖像修復(fù)算法的開山之作。具體而言，該網(wǎng)絡(luò)由編碼器網(wǎng)絡(luò)和解碼器網(wǎng)絡(luò)構(gòu)成。編網(wǎng)絡(luò)為 AlexNet[26]的前 5 層卷積層和池化層，，用于將提取圖像的深度特征。中間的全層只在對應(yīng)特征圖之間進行連接，負責將編碼特征轉(zhuǎn)化為對應(yīng)的解碼特征。解碼器為
【學位授予單位】：戰(zhàn)略支援部隊信息工程大學
【學位級別】：碩士
【學位授予年份】：2019
【分類號】：TP391.41;TP18

【相似文獻】

相關(guān)期刊論文 前10條

1 陳俊周;王娟;龔勛;;基于級聯(lián)生成對抗網(wǎng)絡(luò)的人臉圖像修復(fù)[J];電子科技大學學報;2019年06期

2 孫全;曾曉勤;;基于生成對抗網(wǎng)絡(luò)的圖像修復(fù)[J];計算機科學;2018年12期

3 強振平;何麗波;陳旭;徐丹;;深度學習圖像修復(fù)方法綜述[J];中國圖象圖形學報;2019年03期

4 張君;常霞;王利娟;;基于樣本塊的圖像修復(fù)方法[J];科技視界;2019年33期

5 曾接賢;王璨;;基于優(yōu)先權(quán)改進和塊劃分的圖像修復(fù)[J];中國圖象圖形學報;2017年09期

6 張渲茹;;文物數(shù)字圖像修復(fù)技術(shù)的研究發(fā)展[J];數(shù)碼設(shè)計;2017年09期

7 王彩峰;王妍力;王迎勛;王香;付海燕;范卉青;;基于樣本的圖像修復(fù)的仿真及分析[J];科技傳播;2018年07期

8 江鳳蓮;;計算機圖像修復(fù)技術(shù)與運用之研究[J];電腦知識與技術(shù);2018年23期

9 邱俊;胡曉;王漢權(quán);;數(shù)字圖像修復(fù)的變分方法與實現(xiàn)過程[J];數(shù)值計算與計算機應(yīng)用;2016年04期

10 李梅菊;祁清;;數(shù)字圖像修復(fù)技術(shù)綜述[J];信息通信;2016年02期

相關(guān)會議論文 前10條

1 高軍亮;徐曉剛;王建國;吳晶;;一種基于圖像修復(fù)的目標重建算法[A];2006中國控制與決策學術(shù)年會論文集[C];2006年

2 吳麗平;賈靜蕾;董津生;劉麗;;基于紋理合成的數(shù)字圖像修復(fù)方法[A];2009通信理論與技術(shù)新發(fā)展——第十四屆全國青年通信學術(shù)會議論文集[C];2009年

3 康佳倫;唐向宏;;一種基于FMM的帶方向圖像修復(fù)算法[A];浙江省電子學會2012學術(shù)年會論文集[C];2012年

4 王慧琴;韓建武;吳萌;李文怡;王凱;楊潔;;《馬球圖》壁畫中裂縫的自動虛擬修復(fù)方法研究[A];中國文物保護技術(shù)協(xié)會第七次學術(shù)年會論文集[C];2012年

5 陳延嘉;莊志軍;王美清;;一種改進的基于樣本的圖像修補方法[A];全國第19屆計算機技術(shù)與應(yīng)用（CACIS）學術(shù)會議論文集（上冊）[C];2008年

6 劉春曉;彭群生;楊穎振;王進;陳為;;利用大位移視圖修復(fù)單幅圖像的透視畸變優(yōu)化算法[A];中國計算機圖形學進展2008--第七屆中國計算機圖形學大會論文集[C];2008年

7 朱曉臨;陳曉冬;朱園珠;陳Z

本文編號：2620479