基於深度學習之人臉特徵辨識與應用

詳目顯示. Email地址: 轉寄. 展開. twitter. line · 電子全文 · 國圖紙本論文. 研究生: 林季穎. 研究生(外文):, Lin, Chi-Ying. 論文名稱: 基於深度學習之人臉特徵辨識 ... 資料載入處理中... 跳到主要內容 臺灣博碩士論文加值系統 ::: 網站導覽| 首頁| 關於本站| 聯絡我們| 國圖首頁| 常見問題| 操作說明 English |FB專頁 |Mobile 免費會員 登入| 註冊 功能切換導覽列 (165.22.51.111)您好！臺灣時間：2022/07/2317:42 字體大小：       ::: 詳目顯示 recordfocus 第1筆/ 共1筆  /1頁 論文基本資料 摘要 外文摘要 目次 參考文獻 電子全文 紙本論文 論文連結 QRCode 本論文永久網址: 複製永久網址Twitter研究生:林季穎研究生(外文):Lin,Chi-Ying論文名稱:基於深度學習之人臉特徵辨識與應用論文名稱(外文):FaceFeatureRecognitionApplicationviaDeeplearning指導教授:田仲豪指導教授(外文):Tien,Chung-hao口試委員:陳智弘、吳金典、陳政寰口試委員(外文):Chen,Jye-Hong、Wu,Chin-Tien、Chen,Cheng-Huan口試日期:2018-11-19學位類別:碩士校院名稱:國立交通大學系所名稱:光電工程研究所學門:工程學門學類:電資工程學類論文種類:學術論文論文出版年:2018畢業學年度:107語文別:中文論文頁數:55中文關鍵詞:深度學習、人臉辨識外文關鍵詞:deeplearning、facerecognition相關次數: 被引用:10點閱:2739評分:下載:623書目收藏:1 傳統的電腦視覺相關技術在物件的辨識上，能夠定義有明顯特徵的物體例如：幾何圖案、方形、圓形，但是，很難只透過影像定義貓或是狗的分別，更何況是「這隻貓是一群貓中的哪一隻貓」。

隨著深度演算法的成熟與電腦硬體的效能提升，能夠進行辨識的物件也越來越廣泛。

本研究的目標為使用基於深度學習的方式進行人臉特徵的辨識、身分的辨識、表情的辨識與眼睛是否有看著照相機鏡頭的眼球鎖定(eyelocking)辨識。

本文會探討幾個在深度學習演算法成熟前是如何去做人臉特徵的辨識，然後描述深度學習演算法是如何做辨識，再將三個部份的辨識，身分、表情、眼球鎖定的實驗整合成一套系統，提出這套系統性能表現與可以利用的方面。

Traditionalcomputervisiontechnologiesonlycandefineobjectswithobviousfeaturessuchasgeometricpatterns,squares,andcirclesinobjectrecognition.However,itisdifficulttodefinethedifferencebetweencatsanddogsonlythroughsimplefeatures."whichiscat-Ainagroupofcats."ismoredifficultforthetraditionalcomputervisionrecognitionalgorithm.However,thedevelopmentofdeeplearningalgorithmsispopularandthehighperformanceofthecomputerhardwareischeap.Everyonecaneasilybuygreatcomputerandusedeeplearningalgorithms.Deeplearningalgorithmscandefineanyobjectswhichwewanted.Thegoalofthispaperiscreatingahumanflowanalysissystemusingfacefeatures.Thesystemwillcontainfaceidentityrecognition,faceexpressionrecognitionandeyeeye-lockingrecognition.Thispaperwillexplainhowtodofacerecognitioninthepast,andthendescribehowthedeeplearningalgorithmtodofacerecognition.wedesignedanexperimentwhichcontainedofthethreeparts:facerecognition,faceexpressionrecognition,eye-lockingsystem.Finally,wewillproposetheperformanceofthesysteminthreepartandoneapplicationtodoeverythinginourexperiment. 目錄摘要iAbstractii致謝iii圖目錄vii表目錄ix1緒論11.1研究背景11.2研究目的11.3論文架構22相關研究32.1維奧拉-瓊斯目標檢測框架(Viola–Jonesobjectdetection)32.2人臉辨識經典演算法:特徵臉(Eigenface)63深度學習模型93.1深度學習的發展歷史93.2深度學習的基石演算法103.2.1感知器(Perceptron)103.2.2多層感知器(MultilayerPerceptron)113.2.3受限波茲曼機(restrictedBoltzmannmachine,RBM)123.3類神經網路(neuralnetwork)133.3.1類神經網路的架構143.3.1.1神經元(neuron)153.3.1.2層(layer)153.3.1.3網路(network)173.3.2反傳遞演算法(BackPropagation)183.3.3類神經網路的簡單範例193.3.4卷積神經網路(convolutionneuralnetwork,CNN)233.3.4.1一般神經網路做影像辨識的缺點243.3.4.2卷積層(ConvolutionLayer)253.3.4.3池化層283.3.4.4線性整流單元(RectifiedLinearUnit)293.3.4.5全連接層293.3.4.6歸依化指數函數(softmaxfunction)與損失函數(lossfunction)313.3.4.7卷積神經網路的總結324眼球鎖定系統344.1眼球鎖定系統之流程344.1.1人眼偵測前處理354.2資料降維度與特徵萃取364.3支持向量機(SupportVectorMachine)之理論374.3.1支持向量機(SVM)374.3.2加入了鬆弛變量的支持向量機(c-SVM)394.4系統實驗結果405人臉身份辨識與表情辨識實驗435.1系統架構435.2演算法實作445.2.1人臉身份辨識實作445.2.2表情辨識實作475.3問題與討論516結論與未來展望526.1結論526.2未來展望53參考文獻54  參考文獻[1]C.Metz,"TensorFlow,Google'sOpenSourceAI,PointstoaFast-ChangingHardwareWorld,"10112015.[Online].[2]BAIR,"Caffe:afastopenframeworkfordeeplearning,"[Online].Available:https://github.com/BVLC/caffe.[3]A.,.M.Linn,"MicrosoftreleasesbetaofMicrosoftCognitiveToolkitfordeeplearningadvances,"25102016.[Online].[4]F.Chollet,"KerasDocumentation,"[Online].Available:Keras.io.[5]M.J.P.A.Viola,"Rapidobjectdetectionusingaboostedcascadeofsimplefeatures,"CVPR,p.511–518,2001.[6]R.LienhartandJ.Maydt,"AnextendedsetofHaar-likefeaturesforrapidobjectdetection,"Proceedings.InternationalConferenceonImageProcessing,2002.[7]J.Lewis,"Fasttemplatematching,"Proc.VisionInterface,p.120–123,1995.[8]O.Duda,PeterE.Hart,DavidG.Stork.Duda,PatternClassification,2ndEdition,2000.[9]H.AbdiandL.Williams,"Principalcomponentanalysis,"ComputationalStatistics2,p.433–459,2010.[10]eigenface,[Online].Available:https://s.zimedia.com.tw/s/rNGK6E-9.[11]D.Hebb,Distinctivefeaturesoflearninginthehigheranimal,BrainMechanismsandLearning.London:OxfordUniversityPress,1961.[12]Y.FreundandR.E.Schapire,"Largemarginclassificationusingtheperceptronalgorithm,"inMachineLearning.37,1999,p.277–296.[13]P.Smolensky,"Chapter6:InformationProcessinginDynamicalSystems:FoundationsofHarmonyTheory,"inDistributedProcessing:ExplorationsintheMicrostructureofCognition,p.194–281.[14]L.Lab,"ConvolutionalNeuralNetworks(LeNet)-DeepLearning0.1documentation.,"[Online].Available:http://deeplearning.net/tutorial/lenet.html.[15]J.HanandC.Morag,“Theinfluenceofthesigmoidfunctionparametersonthespeedofbackpropagationlearning,”FromNaturaltoArtificialNeuralComputation,p.195–201.[16]B.ChristianandT.Griffiths,"Chapter7:Overfitting,"inAlgorithmstolive,thecomputerscienceofhumandecisions.London,UnitedKingdom:WilliamCollins,p.149–168.[17]F.Gers,N.SchraudolphandJ.Schmidhuber,"LearningprecisetimingwithLSTMrecurrentnetworks,"JournalofMachineLearningResearch,p.115–143,2002.[18]A.R.Horowitz,"Lossfunctionsandpublicpolicy,"JournalofMacroeconomics,Elsevier,vol.9,pp.489-504.[19]"自動運転におけるAI"[Online].Available:https://e2e.ti.com/blogs_/japan/b/automotive/archive/2018/03/09/ai.[20]HowdoConvolutionalNeuralNetworks.[Online].Available:https://brohrer.github.io/how_convolutional_neural_networks_work.html.[21]"facelandmark,"[Online].Available:https://files.jb51.net/file_images/article/201804/201804210915022.png.[22]H.YuandJ.Yang,"AdirectLDAalgorithmforhigh-dimensionaldata—withapplicationtofacerecognition,"PatternRecognition.34,p.2067–2069,2001.[23]C.-J.L.Chih-ChungChang,"LIBSVM:alibraryforsupportvectormachines.,"2011.[Online].Available:http://www.csie.ntu.edu.tw/~cjlin/libsvm.[24]"Supportvectormachine,"[Online].Available:https://pic3.zhimg.com/80/v2-312b52d9d056499a3c8893e22f6fee5e_hd.jpg.[25]BrianA.Smith,QiYin,StevenK.Feiner,ShreeK.Nayar,"GazeLocking:PassiveEyeContactDetectionforHuman–ObjectInteraction,"UIST,pp.271-280,2013.[26]Liu,Xin,andKan,Meina,andWu,Wanglong,andShan,Shiguang,andChen,Xilin,"{VIPLFaceNet}:AnOpenSourceDeepFaceRecognitionSDK,"FrontiersofComputerScience,2016.[27]Erik,GaryB.HuangandManuRameshandTamaraBerg,“LabeledFacesintheWild:ADatabaseforStudying,”2007.[28]X.GlorotandY.Bengio,"Understandingthedifficultyoftrainingdeepfeedforwardneuralnetworks,"2010.[Online].  電子全文  國圖紙本論文 連結至畢業學校之論文網頁點我開啟連結註:此連結為研究生畢業學校所提供，不一定有電子全文可供下載，若連結有誤，請點選上方之〝勘誤回報〞功能，我們會盡快修正，謝謝！ 推文 網路書籤 推薦 評分 引用網址 轉寄                                                                                                                                                                                                                    top 相關論文 相關期刊 熱門點閱論文 1. 以階層式深度卷積網路實現少樣本的人臉辨識系統 2. 以深度學習完成基於彩色及深度影像的人臉辨識 3. 基於深度學習改良訓練損失函數用於人臉辨識 4. 應用角度資訊改進以度量學習為基礎之人臉辨識系統 5. 基於深度學習人臉辨識理論於桌上型裝置系統 6. 基於深度學習的人臉辨識系統 7. 跟隨機器人-基於人臉識別模塊 8. 深度學習應用在小量資料的人臉識別上 9. 利用深度學習演算法及RGBD影像於人臉辨識之研究 10. 即時的人臉偵測與人臉辨識之門禁系統 11. 階層卷積神經網路的人臉偵測與辨識 12. 視訊監控物聯網架構的人臉辨識系統 13. 深度卷積神經網路中卷積層之分析及比較 14. 以深度學習為基礎之影像識別技術於教學管理之應用 15. 結合身份與屬性特徵之人臉辨識   無相關期刊   1. 以深度學習作工業檢測應用 2. 以深度學習完成基於彩色及深度影像的人臉辨識 3. 利用深度學習單次多框檢測器在快速道路上進行車輛計數 4. 以深度學習的卷積神經網路研製蠟染影像分類之研究 5. 深度學習應用於以影像辨識為基礎的個人化推薦系統-以服飾樣式為例 6. 深度學習之專利分析研究 7. 基於深度學習之電影預告片分類 8. 深度學習於醫學影像處理之應用 9. 結合深度學習於LeapMotion手勢控制移動載具之研究 10. 基於深度學習技術之行人年齡與性別辨識 11. 深度學習之訊息理論分析 12. 基於深度學習改良訓練損失函數用於人臉辨識 13. 主動式有機發光二極體顯示器均勻度量測與補償之研究 14. 結合深度學習車流分析的UAV交通監測平台 15. 數位色彩與影像技術應用於視光學之研究     簡易查詢 | 進階查詢 | 熱門排行 | 我的研究室