金絲猴是國家一級保護動物,屬于瀕危物種,亟需保護。對金絲猴的保護和相關研究工作都是建立在能夠對其個體準確識別的基礎上。傳統(tǒng)的依靠人工識別的方法成本高、效率低下、容易受個人主觀因素影響,制約了相關研究工作的進展。鑒于飛速發(fā)展的計算機視覺技術,通過利用或設計相應的計算機視覺方法對金絲猴圖像數據自動進行處理與分析成為一條可行之路。卷積神經網絡(Convolutional Neural Network,CNN)擁有出色的特征提取能力,在圖像處理領域擁有豐富的研究和實踐成果。注意力機制在圖像理解過程中扮演著重要角色。本文基于CNN的基本方法和理論,引入注意力機制,對適用于金絲猴的面部識別算法進行設計,實現對金絲猴個體身份進行快速、準確的自動識別,為大數據環(huán)境下的金絲猴研究與保護工作提供技術支持。本文首先闡述了金絲猴面部識別的研究意義,并對相關領域發(fā)展現狀進行總結和分析;然后,對CNN的相關基礎理論進行概述和分析,進而確定了本文算法的基本研究路線;接著分析了金絲猴面部圖像數據的特點,針對其背景復雜、光線多變、個體相似度高等難點,結合圖像處理中的注意力機制,設計了金絲猴面部識別算法的網絡結構,并通過實驗對比論證其有效性;最后,基于Qt平臺設計并實現了具備采樣功能的金絲猴面部識別軟件。(1)通過對金絲猴面部數據特點進行分析,針對面部識別任務中存在的難點,結合注意力機制設計了改進的卷積神經網絡模型AKP-CNN(Attention Key Part Convolutional Neural Network),并實現一種基于AKP-CNN的金絲猴面部識別算法。該算法利用注意力推薦網絡(Attention-Proposal-Network,APN)對關鍵特征區(qū)域進行聚焦,通過兩個結構相同的網絡對全局特征和局部特征分別進行提取,最終由特征融合層將兩種特征融合并用于識別任務�；贏PN對重點特征區(qū)域定位并聚焦的特性,本文通過啟發(fā)式的方法設計了對應的特征融合機制以更好地利用不同尺度的特征。實驗表明,該算法在一定程度上提高了金絲猴面部識別的準確率。(2)根據對金絲猴面部識別算法的研究,基于C++語言,使用Qt平臺設計并實現了金絲猴面部識別軟件。該軟件利用OpenCV計算機視覺庫完成對圖片的加載和處理,通過開源的深度學習框架Caffe實現對網絡模型的加載和圖片類別的預測�？紤]到野外研究工作的需要,該軟件添加了對陌生數據采樣保存的功能。該軟件具備完整的圖形化操作界面和異常問題處理機制,實現了圖像讀取,模型加載,結果展示等多項功能。該軟件操作簡單且易于學習使用,是金絲猴個體識別工作中的出色助力。
【學位單位】：西安電子科技大學
【學位級別】：碩士
【學位年份】：2019
【中圖分類】：TP391.41;S863
【部分圖文】：

有耳朵、眼睛、鼻子、嘴皮毛紋理等特征，這些都域的唯一優(yōu)點，與之前論述意味著利用頭部區(qū)域對金識別工作中的“萬能鑰匙會影響識別的精度；其次，也可能是嘴部的獨特疤信息，不利于識別工作；最等特點，對部分特征的魯棒些工作成果，利用注意力機適應的提取。物的檢測和識別過程中，要；也有研究表明，人類依

第四章 金絲猴面部識別軟件設計與實現；每項功能在實現過程中均劃分為不同的模塊，單個模塊只負責單項任務，獨立、不受其它模塊干擾，并且在數據的使用和處理上盡量減少與其它模塊基于以上思想，本文將該軟件的各項功能模塊分類歸納，具體設計結構如。

數樣勸能糠協汾計圖
【相似文獻】

相關期刊論文 前10條

1 ;面部識別技術能診斷基因疾病[J];科學家;2017年06期

2 Alex;;面部識別使機場安檢提速[J];新高考(英語進階);2017年11期

3 柳靜;;淺議計算機面部識別技術的應用[J];電腦知識與技術;2011年32期

4 ;俄羅斯研發(fā)出“反面部識別”技術[J];中國信息安全;2017年08期

5 ;面部識別技術發(fā)展 新的隱私問題出現[J];硅谷;2011年20期

6 朱琳琳;;知識分子“翻臉不認人”?[J];科學大眾(中學生);2011年04期

7 zw;;面部識別 讓系統(tǒng)更智能[J];電腦迷;2011年03期

8 ;面部識別U盤[J];辦公自動化;2010年05期

9 ;美民間組織要求亞馬遜不向政府提供面部識別技術[J];傳媒;2018年11期

10 ;新物志[J];風流一代;2018年09期

相關碩士學位論文 前10條

1 胡旭;基于注意力機制的金絲猴面部識別研究與實現[D];西安電子科技大學;2019年

2 宋各方;基于深度學習的動物面部識別算法研究[D];杭州電子科技大學;2019年

3 王革偉;川金絲猴面部識別方法研究[D];西北大學;2018年

4 范瑩瑩;基于深度學習的金絲猴面部識別軟件設計與實現[D];西安電子科技大學;2018年

5 郝立濤;基于特征臉的面部識別技術研究[D];河北科技大學;2010年

6 陳蕾;恐懼情緒下面部識別注意偏向的性別差異研究[D];南京師范大學;2016年

7 董孟迪;基于中間視覺的行人區(qū)域道路照明評價方法[D];復旦大學;2014年

8 羅士棟;智能面部識別嵌入式終端的實現[D];北京郵電大學;2008年

9 孫健琳;基于機器學習的宿舍通道管理系統(tǒng)設計[D];山東大學;2016年

10 吳新安;面部邊緣的提取與眼角的檢測[D];中國科學院研究生院（計算技術研究所）;1997年

本文編號：2889387