论文总字数：19190字

摘 要

人脸识别领域是目前社会上非常关注和热门的一个研究领域。在很多的场景下都会应用到人脸识别这一技术。比如现在的智能手机所采用的人脸解锁功能，或者是企业内部用于签到考勤，或者火车站刷脸检票进站等等方方面面都可以看到人脸识别的影子。可以说人脸识别和我们现在的生活息息相关，极大的为我们的生活提供了便利。人脸识别的技术已经发展了许多年，主要包含两项技术，验证以及识别。可以将此技术划分为生物信息识别这一研究领域。广义的描述为在图片或者视频流中能够识别出人脸，而且对此人脸图像进行一系列后续相关操作的技术。比如人脸检测，人脸对齐，人脸特征提取，人脸对比等等这些都可以划分进人脸识别这一领域。

卷积神经网络，这一计算机技术，生物学和数学相结合的学科在近些年深度学习领域占据了举足轻重的地位。是人工智能领域发展历程中最具影响力的一项重大革新。尤其是通过这些年的发展在计算机视觉任务上已经取得了非常优异的成绩。本课题主要结合深度学习技术采用Python语言和TensorFlow框架实现人脸对比验证，进而通过多次对比来完成识别。

关键词：人脸识别；深度学习；卷积神经网络；TensorFlow

Face recognition system based on convolutional neural network

Abstract

The field of face recognition is a research field that is very popular in the society. Face recognition is applied in many scenarios. For example, the face unlocking function adopted by the current smart phone, or the application for sign-on attendance in the enterprise, or the entrance check-in of the train station, can be seen in the face recognition application. It can be said that face recognition is closely related to our current life, which greatly facilitates our lives. The technique of face recognition has been developed for many years and consists mainly of two techniques, verification and identification. This technology can be divided into the research field of biological information recognition. A broad description is a technique in which a face can be recognized in a picture or video stream, and a series of subsequent related operations are performed on the face image. For example, face detection, face alignment, face feature extraction, face contrast, etc. can be divided into the field of face recognition.

Convolutional neural networks, a combination of computer technology and biology and mathematics, have played a pivotal role in the field of deep learning in recent years. It is one of the most influential innovations in the development of artificial intelligence. Especially through the development of these years, we have achieved very good results in computer vision tasks. This topic is mainly combined with deep learning technology using Python programming language and TensorFlow framework to achieve face comparison verification, and then through multiple comparisons to complete the recognition.

Keywords: Face recognition;Deep learning; Convolutional neural networks;

TensorFlow

目录

摘 要 I

Abstract II

第一章 绪论 1

1.1 课题研究背景及意义 1

1.2 国内外研究现状 2

1.3 课题研究内容 3

1.4 论文结构 4

第二章 相关技术介绍 5

2.1 开发环境和相关库介绍 5

2.1.1 TensorFlow开发框架 5

2.1.2 Python语言 5

2.1.3 PyQt 6

2.2 深度学习与卷积神经网络 6

2.2.1 人工神经网络 6

2.2.2 卷积神经网络 8

2.3 课题开发环境 10

第三章 设计框架及其相关原理 11

3.1 人脸识别基本流程简介 11

3.2 人脸检测和对齐相关原理 11

3.3 卷积神经网络相关项 15

3.3.1 参数设置 16

3.3.2 激活函数 16

3.3.3 随机失活 17

3.4 数据集介绍 18

3.5 相似性度量 19

3.6 损失函数定义及原理 19

第四章 程序实现与结果 22

4.1 人脸数据集对齐 22

4.2 卷积神经网络搭建 23

4.3 损失函数代码实现 25

4.4 相似度计算 26

4.5 模型训练 26

4.5 相关界面展示 28

第五章 总结与展望 30

5.1 本文主要工作 30

5.2 待改进和提高之处 30

参考文献 32

致谢 34

绪论

1.1 课题研究背景及意义

人脸识别这项技术的起源已经算是比较早了。这项技术的研究起始已经可以追溯到上世纪60年代，在这些年里一直是一门热门且焕发着活跃的生命力气息的研究领域，从这些年曲折的发展历程来看，近几年的人脸识别技术已经近乎趋于成熟。

对于人脸识别领域的研究，最早出现的时候并非来自于计算机科学的研究范畴，而是心理学。上世纪50年代，早期心理学研究学者试图以心理学的角度来探索人脸识别的原理和本质。除此之外，还有人站在生物学视觉的角度来进行探索。而更多的和我们当前时代所契合的人脸识别技术则始于上世纪70年代。

请支付后下载全文，论文总字数：19190字