基于深層結(jié)構(gòu)學(xué)習(xí)的視頻人臉識別.pdf

1、隨著科技的不斷發(fā)展，互聯(lián)網(wǎng)中的視頻數(shù)據(jù)呈指數(shù)增長，視頻數(shù)據(jù)已經(jīng)成為人們獲取信息的重要來源之一。在需要大量人機(jī)交互的領(lǐng)域中獲取的人臉信息更為人們所關(guān)注，如何通過這些人臉信息獲取人物身份具有很大的應(yīng)用價值。
　　人臉識別主要包括人臉檢測以及人臉分類，本課題中使用了基于膚色和動態(tài)閾值的方式對視頻幀圖像進(jìn)行了預(yù)處理，能比較精確的將膚色從圖中分割出來。本課題的重點(diǎn)主要集中在人臉分類方面，使用了深度結(jié)構(gòu)用于人臉分類。使用深度結(jié)構(gòu)用于人臉分類具

2、有重要的意義，深度結(jié)構(gòu)的提出目的就是為了模擬人腦的思維識別過程，是一種“泛腦層次網(wǎng)絡(luò)系統(tǒng)”，通過層層遞進(jìn)的方式，逐步尋找圖像中的像素點(diǎn)的關(guān)系，將其逐層關(guān)系聚合，逐步獲取關(guān)系線段，關(guān)系輪廓，以至于最頂層的關(guān)系對象，通過該深層逐步訓(xùn)練過程，深度結(jié)構(gòu)能獲取更為精確的特征提取結(jié)果，再通過“聯(lián)想”的方式對該提取的特征進(jìn)行分類。
　　本課題的主要設(shè)計(jì)思想來源：在視頻人臉識別過程中，DBN深度結(jié)構(gòu)雖然能很好的將不同的人臉圖像進(jìn)行區(qū)分，但是DBN

3、在其權(quán)值初始化的時候，權(quán)值具有“指向性”，是有偏見的，當(dāng)經(jīng)過層層的訓(xùn)練之后，訓(xùn)練得到的特征也是具有“偏見性”的，考察該偏見性對于分類效果的影響就是本課題所關(guān)注的。
　　基于深度結(jié)構(gòu)的人臉分類識別包括兩部分，特征提取部分和分類部分，在第一部分本課題主要使用了三種結(jié)構(gòu)用于提取特征，DBN結(jié)構(gòu)，深度 MLP和DBM結(jié)構(gòu)，這三種結(jié)構(gòu)從嚴(yán)格意義上都屬于反饋神經(jīng)網(wǎng)絡(luò)的范疇，都是由單獨(dú)的子模塊堆疊而成的，在特征提取時，先進(jìn)行單個子模塊的訓(xùn)練，訓(xùn)

4、練完畢后，開始堆疊第二個模塊，同時使用前一個模塊提取的特征用于下一個模塊的輸入，進(jìn)行第二層模塊的訓(xùn)練，層層疊加，然后得到需要的特征。分類部分本課題使用了兩種結(jié)構(gòu)，一種是BP前饋神經(jīng)網(wǎng)絡(luò)，一種是RBM分類。這里的BP神經(jīng)網(wǎng)絡(luò)與傳統(tǒng)的BP神經(jīng)網(wǎng)絡(luò)略顯不同，使用了共軛梯度算法。對于 RBM分類，不僅可以用于特征提取方面，也可以使用該結(jié)構(gòu)用于分類，其訓(xùn)練過程與一般的RBM有所不同。本課題構(gòu)建了兩種神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)用于人臉識別任務(wù)，并用于與DBN網(wǎng)絡(luò)