特征点深度学习的快速人脸识别算法设计与实现【字数：11644】
摘 要随着世界经济的发展，在数字时代的21世纪，人们越来越关注隐私的保护，因此生物识别技术在此基础上得到大规模的研究应用。尤其是人脸识别技术的大规模应用。现今，随着便携智能设备的大飞跃，人脸识别技术的发展水平又再上一个新台阶。伴随着神经网络的发展，计算机深度学习也成为了众人关注的焦点。特别是在深度学习与计算机视觉相结合下，生物人脸识别技术的识别率和成功率得到了大大的提高。此篇论文目的即探究如何在深度学习框架下完成计算机人脸识别技术的初步实现。该人脸识别系统主要包括四个功能模块包括人脸采集、数据处理，模型训练以及人脸验证模块。四个模块结合，实现了对人脸数据从提取到训练以及测试应用。该系统采用keras深度学习框架，基于TensorFlow学习平台，基于在计算机视觉领域得到最广泛应用的CNN神经网络，实现基于特征点的人脸识别。
目 录
1. 引言 4
1.1 课题研究背景、状况及发展趋势 4
1.2 课题研究意义及其主要研究内容 5
2. 系统开发环境与技术 6
2.1系统开发环境 6
2.2 关键技术简介 6
2.2.1 Python简介 6
2.2.2 Deep Learning与 CNN神经网络 7
2.2.3 TensorFlow平台 9
2.2.4 Keras框架 9
2.2.5 OpenCV 视觉库 10
3. 需求分析 11
3.1 功能需求分析 11
3.2 性能需求 11
3.3 可行性分析 11
3.3.1技术可行性 11
3.3.2 操作可行性 12
3.3 系统流程 12
3.5 本章小结 12
4. 系统设计 13
4.1 概要设计 13
4.2 详细设计 16
4.2.1采集人脸模块 16
4.2.2信息类信息模块 17
4.2.3训练模型模块 17
4.2.4 人脸测试模块 20
4.4本章小结 20
5. 系统实现 21
5 *好棒文|www.hbsrm.com +Q: ^351916072^
.1 数据采集 21
5.2 数据处理 21
5.3 模型建立与训练 22
5.4 人脸测试 23
5.5本章小结 24
6. 系统测试 25
6.1 测试用例说明 25
6.2 测试环境 25
6.3 模块测试 26
6.4 总体测试 31
6.5本章小结 32
7.系统开发对社会的影响 33
结语 34
参考文献 35
致谢 36
引言
在信息技术腾飞发展的今天，伴随着移动通信设备，手机等个人终端的大规模应用，多种身份认证技术被应用到了上面。如今，相当大规模的基于人脸生物检测的装置在手机上得到大应用，通过人脸识别进行手机解锁，移动支付，可见人脸识别技术成为了不可缺少的技术。本文将介绍当前人脸识别技术的研究背景，技术发展，以及本文所介绍的基本实现途径和技术。
课题研究背景、状况及发展趋势
背景：
人脸识别技术最初产生于20世纪60年代，随着70年代计算机及电子信息化设备的发展，人脸识别技术也随之得到大大发展。而彼时的此项技术尚未得到大规模商用，直至10年后，才开始广泛进入社会生活中。进入21世纪以来，特别是随着手机便携式通信设备的发展，人脸识别技术又迎来了新的高峰，各种识别技术争相斗艳，各有利弊。对人脸的生物识别率不断提高，活体检测等技术不断成熟。正式在这种环境下，深度学习的人脸技术得到发展。基于大数据的深度学习的人脸技术是业界的一个重点。因此本文选择基于简单的CNN神经网络实现人脸识别。
状况：
现今人脸识别技术已大规模应用于安防检测等，普通商场、路口摄像头、甚至是隐秘的角落，可能都存在它的踪影，因此，它无处不见。
过去的人脸识别技术主要基于人脸面部特征数据库等，需要一个个的对比验证，而没有实现识别技术的突破。在手机便携领域，直至目前，该技术才得到大规模发展。基于活体检测等技术的发展与人脸特征识别技术的结合，有效防止了图像的假冒，身份认证不清的情况。在安全警务领域，有助于大量的摄像设备的安装普及，原有的人脸识别技术无法应用于现今的需求。因此，更催生了新技术的诞生。人工智能技术再一次得到了前所未有的关注。因此，基于深度学习的人脸识别技术作为计算机视觉领域的翘楚，备受瞩目。
发展趋势：
互联网的风口在21世纪到来，大数据应用便利了我们生活，伴随着神经网络的发展，计算机深度学习也相应得到大规模发展。在大规模的数据量训练以及计算机视觉技术的极大发展下，由量变到质变，人脸识别得到了一个极大的爆发，这就是我们所谓的技术突破。
而在其中深刻应用到的神经网络深度学习技术则是极大的助推了此项技术的发展。深度学习是机器学习研究中的一个新的领域，于上世纪被首先提出。其主要实现方式在于建立、模拟人脑进行分析学习的神经网络，它模仿人脑的机制来解释数据，例如图像，声音和文本等。在深度学习与计算机视觉相结合条件下，生物人脸识别技术的识别率和成功率得到了大大的改善。
人脸识别技术大爆发，并不是偶然的，应为它很好的满足了我们讲的人工智能的三大条件。伴随着深度学习的算法，大数据等条件成熟了，在拐点到来的时候，大规模的商业化应用将会必然发生。下一个阶段，基于计算机视觉的应用，在视频监控领域当中，对人的行为模式的识别、跟踪和分析，此类技术的都将会成为一个庞大的市场。可以预见的是，以人脸识别等多种生物识别技术，将会得到更大规模，更深入的应用。
课题研究意义及其主要研究内容
现如今人们的处在高速发展的社会中，即时通信、移动支付等极大地方便了我们的生活，各种获取生产资料的方式越来越快捷，方便。在此等时刻安全成为了最重要的因素。因此在此等状况下，人脸识别技术等生物识别技术得到了大规模的投资研发与应用。在人脸识别技术的发展过程中，由初始的特征识别，现今的人工智能技术的引入，使其得到了较大幅度的发展。人工智能技术的开发与应用，成为了当前研究的重点，计算机视觉在此基础上得到了迅速的提升。
目 录
1. 引言 4
1.1 课题研究背景、状况及发展趋势 4
1.2 课题研究意义及其主要研究内容 5
2. 系统开发环境与技术 6
2.1系统开发环境 6
2.2 关键技术简介 6
2.2.1 Python简介 6
2.2.2 Deep Learning与 CNN神经网络 7
2.2.3 TensorFlow平台 9
2.2.4 Keras框架 9
2.2.5 OpenCV 视觉库 10
3. 需求分析 11
3.1 功能需求分析 11
3.2 性能需求 11
3.3 可行性分析 11
3.3.1技术可行性 11
3.3.2 操作可行性 12
3.3 系统流程 12
3.5 本章小结 12
4. 系统设计 13
4.1 概要设计 13
4.2 详细设计 16
4.2.1采集人脸模块 16
4.2.2信息类信息模块 17
4.2.3训练模型模块 17
4.2.4 人脸测试模块 20
4.4本章小结 20
5. 系统实现 21
5 *好棒文|www.hbsrm.com +Q: ^351916072^
.1 数据采集 21
5.2 数据处理 21
5.3 模型建立与训练 22
5.4 人脸测试 23
5.5本章小结 24
6. 系统测试 25
6.1 测试用例说明 25
6.2 测试环境 25
6.3 模块测试 26
6.4 总体测试 31
6.5本章小结 32
7.系统开发对社会的影响 33
结语 34
参考文献 35
致谢 36
引言
在信息技术腾飞发展的今天，伴随着移动通信设备，手机等个人终端的大规模应用，多种身份认证技术被应用到了上面。如今，相当大规模的基于人脸生物检测的装置在手机上得到大应用，通过人脸识别进行手机解锁，移动支付，可见人脸识别技术成为了不可缺少的技术。本文将介绍当前人脸识别技术的研究背景，技术发展，以及本文所介绍的基本实现途径和技术。
课题研究背景、状况及发展趋势
背景：
人脸识别技术最初产生于20世纪60年代，随着70年代计算机及电子信息化设备的发展，人脸识别技术也随之得到大大发展。而彼时的此项技术尚未得到大规模商用，直至10年后，才开始广泛进入社会生活中。进入21世纪以来，特别是随着手机便携式通信设备的发展，人脸识别技术又迎来了新的高峰，各种识别技术争相斗艳，各有利弊。对人脸的生物识别率不断提高，活体检测等技术不断成熟。正式在这种环境下，深度学习的人脸技术得到发展。基于大数据的深度学习的人脸技术是业界的一个重点。因此本文选择基于简单的CNN神经网络实现人脸识别。
状况：
现今人脸识别技术已大规模应用于安防检测等，普通商场、路口摄像头、甚至是隐秘的角落，可能都存在它的踪影，因此，它无处不见。
过去的人脸识别技术主要基于人脸面部特征数据库等，需要一个个的对比验证，而没有实现识别技术的突破。在手机便携领域，直至目前，该技术才得到大规模发展。基于活体检测等技术的发展与人脸特征识别技术的结合，有效防止了图像的假冒，身份认证不清的情况。在安全警务领域，有助于大量的摄像设备的安装普及，原有的人脸识别技术无法应用于现今的需求。因此，更催生了新技术的诞生。人工智能技术再一次得到了前所未有的关注。因此，基于深度学习的人脸识别技术作为计算机视觉领域的翘楚，备受瞩目。
发展趋势：
互联网的风口在21世纪到来，大数据应用便利了我们生活，伴随着神经网络的发展，计算机深度学习也相应得到大规模发展。在大规模的数据量训练以及计算机视觉技术的极大发展下，由量变到质变，人脸识别得到了一个极大的爆发，这就是我们所谓的技术突破。
而在其中深刻应用到的神经网络深度学习技术则是极大的助推了此项技术的发展。深度学习是机器学习研究中的一个新的领域，于上世纪被首先提出。其主要实现方式在于建立、模拟人脑进行分析学习的神经网络，它模仿人脑的机制来解释数据，例如图像，声音和文本等。在深度学习与计算机视觉相结合条件下，生物人脸识别技术的识别率和成功率得到了大大的改善。
人脸识别技术大爆发，并不是偶然的，应为它很好的满足了我们讲的人工智能的三大条件。伴随着深度学习的算法，大数据等条件成熟了，在拐点到来的时候，大规模的商业化应用将会必然发生。下一个阶段，基于计算机视觉的应用，在视频监控领域当中，对人的行为模式的识别、跟踪和分析，此类技术的都将会成为一个庞大的市场。可以预见的是，以人脸识别等多种生物识别技术，将会得到更大规模，更深入的应用。
课题研究意义及其主要研究内容
现如今人们的处在高速发展的社会中，即时通信、移动支付等极大地方便了我们的生活，各种获取生产资料的方式越来越快捷，方便。在此等时刻安全成为了最重要的因素。因此在此等状况下，人脸识别技术等生物识别技术得到了大规模的投资研发与应用。在人脸识别技术的发展过程中，由初始的特征识别，现今的人工智能技术的引入，使其得到了较大幅度的发展。人工智能技术的开发与应用，成为了当前研究的重点，计算机视觉在此基础上得到了迅速的提升。
版权保护: 本文由 hbsrm.com编辑，转载请保留链接: www.hbsrm.com/jsj/wljs/161.html
