导读:本文包含了人脸的检测与识别论文开题报告文献综述及选题提纲参考文献，主要关键词:计算机应用,人脸检测,人脸识别,卷积神经网络
人脸的检测与识别论文文献综述
周柚,杨森,李大琳,吴春国,王岩[1]（2019）在《基于现场可编程门电路的人脸检测识别加速平台》一文中研究指出采用现场可编程门电路(FPGA)和中央处理器相结合的异构计算技术,解决人脸检测和识别计算加速问题。基于并发和流水线的方法加速Viola-Jones人脸检测算法,提高了数据吞吐量,增加了级联分类器的并行度;通过并发卷积操作和流水线特征图加速了卷积神经网络计算过程。实验结果表明,硬件平台较软件平台实现了2.9倍的加速比。(本文来源于《吉林大学学报(工学版)》期刊2019年06期）
陈惠娜[2]（2019）在《LDCT方法与边缘检测技术在信息采集的应用——以光照人脸图像识别为例》一文中研究指出在人脸图像识别的问题中,光照是一个重要的影响因素。为消除光照的影响,本文运用LDCT方法与边缘检测技术对人脸特征进行处理,消除光照对人脸识别的影响。通过边缘提取的阈值参数,使识别率可以达到94%,与传统方法人脸识别有很大的进步与创新。人面图像识别有着非常广泛使用范围与价值,如在医学图像中的细胞识别、马路上的汽车识别、重要工作岗位人员识别、家庭日常生活中人面图像识别中发挥重要作用的作用。(本文来源于《现代经济信息》期刊2019年21期）
石景欣,芦玥,张敏[3]（2019）在《人脸识别技术在电话实名制留存照片真实性检测中的应用研究》一文中研究指出随着电话实名制工作的不断深入,监管部门对电信企业的实名制考核指标从最初的合规率到目前的真实率逐步升级,其中所反映的监管力度逐步加码。对电信企业落实真实性要求的监管,难点在于留存照片的体量庞大和场景复杂,亟需寻求技术手段突破壁垒束缚。本文研究了人脸识别技术,并基于课题组搭建的电话实名制留存照片真实性检测平台开展了针对性的测试验证和结果分析。(本文来源于《信息通信技术与政策》期刊2019年10期）
冯详禹,韦金成[4]（2019）在《基于人脸识别的身份检测系统的设计与实现》一文中研究指出该系统设计目的是解决课堂老师检查学生的签到问题。避免了任课老师通过点名才能把本节课的出勤人员统计好的弊端。利用Python的Numpy扩充包为基础,结合OpenCV跨平台计算机视觉库,在基于Ubuntu的操作系统上对人的面部进行识别的系统。提升了学生的出勤率,具有良好的课堂体验。(本文来源于《数码世界》期刊2019年10期）
马梦莹[5]（2019）在《地铁AFC系统人脸识别检测技术的现状及应用》一文中研究指出本文将主要探讨AFC系统的人脸识别检测技术现状还有应用情况。AFC系统作为一种计算机通信网络的产物,从开始发展经历了从无到有的过程,并且已经随着计算机技术和我国软件技术的不断发展能够和城市居民一卡通相接轨,极大地方便了人们的出行。(本文来源于《电子技术与软件工程》期刊2019年17期）
李军,幸坚炬,黄超生,谢伟彬,钟菊萍[6]（2019）在《人脸识别在疲劳驾驶检测中的应用研究》一文中研究指出论文将卷积神经网络应用于人脸识别,对瞳孔定位算法进行改进,有效地克服了原算法计算量大的问题.根据驾驶员眼睛在不同状态下宽高比例不同的特点,实现了一种简单可行的眼睛状态判断方法,并通过PERCLOS算法对驾驶员的疲劳状态进行判定.论文采用改进Hough变换方法定位驾驶员眼睛,准确率为92%,平均响应时间为29ms,驾驶员眼睛状态的判断准确率为83.9%.设计了一种基于人脸识别的疲劳驾驶检测原型系统,实现驾驶员脸部特征检测、眼睛定位、眼睛状态判断、疲劳判定等功能.实验结果表明,系统对疲劳状态的识别率为87.5%,疲劳判断的响应时间为17ms,有较好的实际应用价值.(本文来源于《广东技术师范学院学报》期刊2019年03期）
鲁磊纪,周丽媛,赵小帆[7]（2019）在《基于Opencv的人脸检测及识别课堂点名系统设计与实现》一文中研究指出人脸识别已经成为当今社会应用最普遍的生物特征识别技术之一,在众多场景中得到应用,例如安防、门禁、监控、追踪等领域~([1])。人脸检测与识别技术应用于大学课堂学员点名中,将具有较高的应用价值。通过高清摄像头采集照片,借助Opencv的级联分析器对采集的图片中人脸进行检测,也可考虑通过摄像头动态抓拍识别。但opencv自带的级联分析器只能对正面人脸进行识别,对侧脸及后脑无法抓取检测,另外对背景要求较高,所以系统应该具备图像或对摄像头捕获的人脸进行训练和学习,以此提高检测和识别效率。(本文来源于《电子制作》期刊2019年12期）
张立刚,李诚诚[8]（2019）在《基于人脸识别的人员入井唯一性检测系统的设计》一文中研究指出煤矿井口人员入井唯一性检测系统是在煤矿人员定位系统的基础上,借助井下人员定位识别卡检测功能,利用人脸识别的生物特征识别技术实现人员身份的检测功能,实现煤矿入井人员唯一性监测。为矿山企业工作人员进行准确无误的身份识别,从根本上解决了代替刷卡和漏刷卡等问题。(本文来源于《电脑知识与技术》期刊2019年17期）
刘晓博[9]（2019）在《恶劣光照条件下人脸检测及表情识别研究》一文中研究指出人脸表情是与生俱来反映人情绪变化的生物特征。基于人脸活动单元编码系统分类获得的七种基本表情在不同个体之间具备相同的情绪含义,这一分类方法使表情的分类具备了科学标准与量化分析的可能性。随着计算机视觉技术的发展,表情的分类可以通过机器识别和神经网络技术实现自动化操作,让计算机模仿人眼实现对人脸表情的正确辨别。在表情识别研究上逐渐形成了从人脸检测、特征处理到表情分类叁个基本流程。其中,人脸检测旨在解决人脸定位问题,为特征处理确定具体区域。特征处理主要包括特征提取、降维和分类,其中特征的提取可以根据分类器设计的需要使用不同的核函数提取出相适用的特征种类。表情分类是实现表情正确识别的关键步骤。研究过程中存在着诸多影响正确率的问题,比如光照、姿态、尺度等。本文对图像的预处理、特征提取及表情分类进行了研究,主要研究工作如下:1、恶劣光照条件下人脸检测问题。在日常环境中进行拍照或录像往往无法避免光照因素的影响。特别是在夜间、灯光及遮挡环境下非常容易导致无法有效检测人脸的情况,在安检、监控以及夜间拍摄上会影响效率甚至造成失误。为降低甚至避免光照因素造成的不良影响,本研究针对恶劣光照条件下人脸的检测进行了光照归一化的研究。本研究主要对直方图均衡化方法做了改进,基本思想是均衡化算法结合阈值分割算法对图像做分层次处理,对图像拼接滤波后可以得到很好的可视化效果,进而顺利实现人脸检测。2、基于机器学习的表情识别是人脸检测的一个重要研究方向,本研究在人脸检测的基础上,利用机器学习的方法,在图像处理、特征提取、特征分类阶段分别作了如下研究:图像处理阶段,在样本分割上本研究提出了基于集成回归树算法(ERT)确定出人面部核心区域的特征点,进而分割出不规则的人脸图像的方法;在特征提取和分类阶段,采用具有旋转不变性和光照不变性的LBP卷积核进行不同尺度的面部特征化处理,并在同一表情的基础上对不同人脸的同一区域提取出不同尺度的特征值,为Adaboost自适应增强算法提供训练数据。利用LBP提取的纹理特征具有很强的表情属性的特点,从数据层面排除了颜色、亮度、旋转角度变化的影响。同时由于circle LBP可以调整采样点半径和采样点数量,可以为Adaboost提供大量的训练数据。(本文来源于《河南大学》期刊2019-06-01）
缪顺云[10]（2019）在《基于人脸检测和识别的学生考勤系统研究》一文中研究指出随着信息时代的发展,机器学习得到了广泛研究,其中以深度学习算法和卷积神经网络(简称CNN)为基础的人脸检测和识别技术得到了快速发展。传统的人脸检测和识别算法在提取人脸特征向量时,易受到外界环境和其它变化因素的影响,以致不能更好地获取人脸信息,完成人脸的匹配和识别。现有的人脸检测和识别算法中,针对于人脸检测中光照强度、姿态旋转及部分遮挡等变化因素的研究相对较少,以至于在上述变化因素出现时,实时人脸检测和识别的准确性会被降低。因此,在考虑变化因素的前提下,如何有效地提升人脸检测能力和提高人脸识别的准确性,是一项重大的研究课题。本文在卷积神经网络模型的基础上,首先,针对于人脸姿态旋转、光照强度及部分遮挡等变化因素的影响,提出了多级联CNN模型用于人脸检测,设计了改进的CNN模型并进行了训练,与Facenet模型的训练结果进行了比较,进而选择效果较优的网络模型用于设计人脸识别模块;最后,在所设计的算法基础上,完成了学生考勤系统的设计和测试。本文的主要具体工作如下:1.根据检测过程中存在的变化因素,提出了一种多级联CNN模型。该模型针对于实时画面中的人脸进行检测,通过多组卷积神经网络逐层对图像进行人脸预测。此方法一方面可以减小光照强度、人脸姿态旋转等变化因素对人脸检测准确性的影响,另一方面,通过计算多组卷积神经网络对人脸图像预测结果的平均值作为最终人脸检测结果,能够在很大程度上提升人脸区域检测的正确性;通过与基于Haar特征的AdaBoost方法实际检测效果相比较,结果表明:多级联CNN模型具有更优的实际检测效果。2.在Facenet深度CNN的基础上,本文采用Inception-resnet-V1网络结构,选择Triplet loss叁元目标损失函数,使用CASIA-FaceV5人脸图像数据集,进行了Facenet深度CNN模型训练实验。实验发现:Facenet深度CNN模型面对小样本人脸数据库的训练效果不错,能够全部有效地识别出人脸信息。3.基于CNN结构,本文设计了一种改进的CNN模型,通过进一步增加网络层数,调整、优化网络结构,更好地获取人脸信息,提高人脸识别的准确性。为了验证该方法的有效性,本文选择CASIAFaceV5图像数据集,对改进的CNN模型进行训练,实验结果表明:该模型在人脸识别准确率上相比于已有算法有了一定的提升,在面对样本规模不大的人脸数据库时,具有较好的应用效果。4.在以上所设计的算法基础上,结合摄像头和MySQL数据库,完成了学生考勤系统的设计和测试。采用MySQL数据库保存图片信息,包含学号、姓名、性别、专业和人脸特征等。实验结果表明:基于人脸检测和识别的学生考勤系统具有较好的实时性和可行性。(本文来源于《东华大学》期刊2019-05-27）
人脸的检测与识别论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
在人脸图像识别的问题中,光照是一个重要的影响因素。为消除光照的影响,本文运用LDCT方法与边缘检测技术对人脸特征进行处理,消除光照对人脸识别的影响。通过边缘提取的阈值参数,使识别率可以达到94%,与传统方法人脸识别有很大的进步与创新。人面图像识别有着非常广泛使用范围与价值,如在医学图像中的细胞识别、马路上的汽车识别、重要工作岗位人员识别、家庭日常生活中人面图像识别中发挥重要作用的作用。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
人脸的检测与识别论文参考文献
[1].周柚,杨森,李大琳,吴春国,王岩.基于现场可编程门电路的人脸检测识别加速平台[J].吉林大学学报(工学版).2019
[2].陈惠娜.LDCT方法与边缘检测技术在信息采集的应用——以光照人脸图像识别为例[J].现代经济信息.2019
[3].石景欣,芦玥,张敏.人脸识别技术在电话实名制留存照片真实性检测中的应用研究[J].信息通信技术与政策.2019
[4].冯详禹,韦金成.基于人脸识别的身份检测系统的设计与实现[J].数码世界.2019
[5].马梦莹.地铁AFC系统人脸识别检测技术的现状及应用[J].电子技术与软件工程.2019
[6].李军,幸坚炬,黄超生,谢伟彬,钟菊萍.人脸识别在疲劳驾驶检测中的应用研究[J].广东技术师范学院学报.2019
[7].鲁磊纪,周丽媛,赵小帆.基于Opencv的人脸检测及识别课堂点名系统设计与实现[J].电子制作.2019
[8].张立刚,李诚诚.基于人脸识别的人员入井唯一性检测系统的设计[J].电脑知识与技术.2019
[9].刘晓博.恶劣光照条件下人脸检测及表情识别研究[D].河南大学.2019
[10].缪顺云.基于人脸检测和识别的学生考勤系统研究[D].东华大学.2019