论文部分内容阅读
近几年来,手机与手机软件应用发展迅速,在国内,网购、线下支付等都会用到手机,用户的隐私保护成为难点,传统的隐私保护手段不法分子可轻易破解,新的隐私保护手段成为研究热点。人脸作为人类身体固有特征,是新的保护手段的突破点。人脸识别研究起源较早,但是还不能够满足实际应用需求。近期,深度学习技术在各种图像分类识别任务中取得突破性成果,基于卷积神经网络技术的人脸识别研究也有很多。由于人脸识别使用环境不可控制,经常会受到光照、形变、遮挡等因素的影响,人脸识别技术仍然是一个研究难点与热点。本文主要研究了非限制条件下人脸识别任务,经过对人脸识别和卷积神经网络等相关技术的学习和总结,做了大量基于卷积神经网络技术的人脸识别研究,本文的主要研究内容有以下几个方面:1)分析输入图像尺寸和人脸归一化对模型计算速度与准确率的影响:本文设计一个简单的卷积神经网络结构并做了几组实验,实验结果表明:输入图像尺寸越小模型计算速度越快,同时准确率也会有所下降,所以输入图像尺寸的选择需要在速度与性能之间寻找一个平衡;经过人脸归一化之后,模型识别准确率有所提升,能够轻微降低角度等变化对识别结果的影响。2)提出特征图空间注意机制并对残差模块做出改进:在人脸识别任务中,输入人脸图像包含部分背景,主要差别来自于面部,在之前的学习中并没有提到有区别对待的做法。受到通道注意机制的启发,本文通过计算特征图中特征点对应原始图像中的位置,对对应面部区域的特征点乘以一个权重系数来突出面部特征的主要作用。通过实验和理论分析,残差模块其实是一个多分支的集成投票系统,本文通过添加1×1的卷积操作增加模块的非线性,提升系统的表达能力。3)设计快速深度卷积神经网络结构框架:本文通过大量实验分析,设计出一个快速的深度卷积神经网络结构框架,通过对浅层网络添加注意机制、中层网络添加改进之后的残差模块、使用中心损失函数作为辅助监督信号等方法实现。同时本文使用中科院自动化所发布的CASIA-Webface数据集进行模型训练,并收集测试数据集进行评测,验证了本文设计的网络的可行性。4)设计安卓移动端人脸识别系统:本文通过分析安卓应用程序运行机制,设计了一个具有人脸注册、人脸识别功能的简单的人脸识别系统。经过测试,应用程序能够在安卓手机上稳定运行。