【摘 要】
：
目前人脸识别方法无法精准地完成现实中非约束环境下的人脸识别任务,且在新冠病毒肆虐的情况下,人们外出时均需佩戴口罩,导致人脸被大面积遮挡,所以有效地处理这些问题提高识别效率仍是人脸识别系统中的难点,现今基于深度学习的网络模型已成为检测目标和有遮挡人脸识别问题的研究热点。因此本文主要针对基于深度学习的口罩检测和遮挡人脸识别问题对优化网络模型及分析最优损失函数来提高人脸及口罩识别精度展开研究。主要工作及
论文部分内容阅读
目前人脸识别方法无法精准地完成现实中非约束环境下的人脸识别任务,且在新冠病毒肆虐的情况下,人们外出时均需佩戴口罩,导致人脸被大面积遮挡,所以有效地处理这些问题提高识别效率仍是人脸识别系统中的难点,现今基于深度学习的网络模型已成为检测目标和有遮挡人脸识别问题的研究热点。因此本文主要针对基于深度学习的口罩检测和遮挡人脸识别问题对优化网络模型及分析最优损失函数来提高人脸及口罩识别精度展开研究。主要工作及创新点如下:1、对于深度学习的原始SSD目标检测模型存在较低的特征层需要同时学习局部信息和高层信息的问题,设计残差结构的SSD口罩检测模型;为获取不同尺寸的局部特征,并得到更为丰富的特征表示,在基于残差的SSD口罩检测网络上添加改进的空间金字塔池化,并采用特征融合的方式优化口罩检测网络;采用CIo U损失函数避免SSD网络的发散性问题,形成最终的RS＿SSD口罩检测网络,提升口罩检测效率的同时加快网络训练速度。经实验证明RS＿SSD口罩检测网络能够较好的完成口罩检测。2、根据人脸多部位被遮挡时识别效率较差的问题,本文提出Re＿Face遮挡人脸的识别方法。通过RS＿SSD网络检测预处理后的人脸目标,然后对人脸图像做分块操作,去除样本冗余信息,降低整个网络计算量;再利用改进的IVGGNet提取人脸分块中更为精细的特征;为减少遮挡特征块对识别性能的干扰,在KPCANet网络上添加并行卷积池化处理模块,即In＿KPCANet,作为遮挡判别网络对遮挡人脸进行判别;最后将特征提取和遮挡判别结果相结合送入SVM分类组进行训练,实现高效的有遮挡人脸识别。经实验证明,Re＿Face遮挡人脸识别方法对不同比例的遮挡人脸均具有较高的识别效果。3、将上述改进模型应用到实时口罩遮挡人脸识别领域,保障疫情下人们能佩戴口罩出入需要人脸识别场所时的健康,从而设计实时识别口罩遮挡人脸系统。首先通过python爬取诸多明星戴口罩和不戴口罩的静态图片,经过手工处理构建口罩遮挡的人脸数据集,将预处理后的数据集送入RS＿SSD口罩检测网络模型,完成口罩检测任务,接着输入到Re＿Face遮挡人脸识别模型中训练,分别获得训练好的口罩检测模型和人脸识别模型,利用训练模型搭建口罩遮挡人脸识别系统。
其他文献
系统的状态估计问题广泛存在于自动驾驶、数据传输、故障诊断等领域,由于环境影响、模型参数不当选取、测量设备故障等原因,系统状态方程和测量方程中往往含有未知输入。而未知输入的存在使得上述状态估计问题的研究变得非常复杂。因此,本文考虑含有未知输入的线性系统和非线性系统,研究系统状态和未知输入的估计问题。首先,针对未知输入直接馈通到线性系统测量方程的情况,提出新的扩展递归三步滤波器,同时估计未知输入和线性
海岸线变化监测对海岸带的科学管理和保护具有重要意义。随着高分辨率遥感图像的快速积累,自动提取高分辨率遥感图像中的水边线（海陆分割线）是实现海岸线变化监测的重要手段。但高分辨遥感图像中地物细节复杂,陆地上临近封闭内水区域的边界极易被误识别为海陆分割线;另一方面,由于水边线本身类型多样（包括人工、砂质、淤泥质等）且易受附近地物遮挡,提取的水边线极易存在断点不连续的情况,因此,研究基于高分辨率遥感图像的
随着互联网技术的迅猛发展和众多无线智能设备的普及,越来越多的移动用户趋向于使用移动设备下载内容、浏览新闻视频等。用户的这些行为导致了移动数据需求量的爆炸性增长,给移动蜂窝网络运营商造成了巨大的数据流量负载和网络拥塞。目前,大部分工作或针对激励机制,或针对用户合作参与D2D分流,而忽略了CT的自私与不合作属性,考虑不够全面。基于设备到设备的机会通信辅助移动数据分流,并激励用户积极参与,实现内容传输用
随着社会就业压力不断增加,以及2020年以来受新冠疫情影响,精神疾病的患病率不断提高。然而,我国目前精神疾病患者选择到相关门诊就医的人数不到十分之一,若得不到及时地确诊和医治可能引发其他相关疾病。因此,一套高效简捷的人格检测工具对国民精神疾病筛查非常必要。明尼苏达多项人格检测量表（Minnesota Multiphasic Personality Inventory,MMPI）是世界上使用最普遍的
水下滑翔机是一类特殊的水下采样机器人,具有制造成本低,续航里程长等优点,适用于大尺度范围、长工作周期的水下观测任务,符合人类多样化探索海洋的实际需要。由于水下滑翔机特殊的工作原理和运动方式,在实际应用中,对环境因素更加敏感,因此对水下滑翔机进行路径规划方面的研究是保障其能够顺利完成海洋观测任务的关键技术之一。本文以混合驱动水下滑翔机为研究对象,为提升水下滑翔机运行特性,在建立其动力学模型的基础上,
自然界中的微生物大多以“微生物群落（菌群）”的形式存在,微生物群落的结构和功能与其共生环境的状态息息相关。宏基因组测序可以获取微生物群落详细的基因组信息和高分辨率的分类学信息。大规模宏基因组样本的beta多样性可以在样本的结构、功能特征与其元数据（如环境状况或健康状态）之间建立联系,精确、全面地计算宏基因组样本之间的距离对于理解宏基因组的beta多样性起着至关重要的作用。然而,目前针对宏基因组样本
机械臂是一种强耦合、高度非线性、多入多出的复杂被控系统,并且存在模型不确定性和外界干扰,对其实现快速准确的轨迹跟踪一直是机械臂领域的难点,也是研究热点。本文在研究串联机械臂运动学和动力学的基础上,考虑到机械臂的模型不确定性以及外界干扰的存在,对基于滑模变结构的机械臂轨迹跟踪控制策略进行研究,主要工作有以下几点:1.以RBT-6T/S03S机械臂为研究对象,用标准D-H参数法对其进行运动学建模,推导
日常捕获的图像通常包含多种不必要的模糊,包括对象运动模糊、相机抖动模糊、场景深度变化等。图像去模糊的目标,旨在从模糊的图像中恢复出清晰的图像,这是一个具有挑战性的计算机低层视觉任务,因为问题本身具有高度的病态性。现有的技术在图像去模糊问题上还存在一定局限性,包括对图像的特征信息提取不充分、速度慢、卷积核的局部依赖性、模糊数据集的采集等问题。近几年深度学习得到了快速的发展,基于卷积神经网络（CNN）
随着移动互联网以及物联网规模和网络应用的不断增加,网络拥塞现象日益显著,网络拥塞已成为制约网络快速发展的重要问题。网络系统本身具有复杂、时变和不确定性等特征,在物理层面对其进行改进不切实际。在面对网络变化时,传统的拥塞控制协议因其固有的规则机制只能做出固定的动作,既未充分利用链路带宽,也未充分利用历史网络数据,并且在发生拥塞时带宽恢复所用时间较长。因此,研究网络拥塞问题对提高网络性能和质量有着深远
掺Yb稀土钙氧硼酸盐晶体Yb:ReCOB（Re=Y,Gd,La）易于由提拉法生长,化学稳定性高,抗光损伤能力强,是一类有着重要应用前景的Yb离子激光材料。这类晶体中的Yb离子基态有着很大的Stark能级分裂,有利于实现室温下的低阈值和高效率的连续波激光运转;而Yb离子上能态的荧光寿命很长,有利于通过调Q获得高能量脉冲激光。除了单一晶体之外,含Lu的Yb:ReCOB类混晶也特别值得探索和研究,因为理