摘 要

特定人群，指的是某一类特定的人，比如男人和女人，黑人和白人等。而特定人群的识别，则是由机器自动识别某类特殊人群，可用于安防领域，防止危险事故的发生，也可以用于测控等领域，具有重要的研究意义和研究价值。

21世纪以来，人类进入信息时代，伴随着科技的成熟与发展，处理信息的手段越来越丰富多样。而对于某些信息含有的数据量十分庞大的情况，目前更多的是依赖于机器学习对其进行处理。随着时间推移，机器学习逐步体现出了非常强大的功能。而传统的机器学习需要大量的人工前期工作，因此产生了一种深度学习技术出现了。在处理没有人工添加标签的数据时，传统机器学习显得十分乏力。特征学习指的是将原始数据输入进机器中，由机器自动学习特征，然后对数据进行检测和分类。深度学习属于新型特征学习，主要思想是使用某些非线性的模型处理原始数据，将其转变成更抽象的高层表示。就算是十分复杂的函数，只要通过很多的转换组合，最终依然能够被学习。深度学习可以节省大量的人工成本，具有很强的研究意义。

本文以深度学习为理论基础，使用matlab进行特定人群识别研究，开发了一种男女性别识别的软件系统。本文中，采用的深度学习模型是卷积神经网络(CNN)，激活函数使用Sigmod型函数。由于人脸特征十分复杂，因此需要对人脸特征的进行降维处理，选用PCA主成分分析法。实验证明，该系统在男女识别上具有92%的识别率。该系统最终的目的是应用于安防监控等领域，保证公众安全。

关键词：深度学习、人群识别、CNN卷积神经网络、PCA特征降维

Abstract

A particular group refers to a certain type of person, such as man and woman, black and white, etc. And the identification of specific people, it is by the machine automatically identify some kind of special groups, can be used in the security field, prevent dangerous accidents, can also be used in measurement and control, and other fields, has important research significance and research value.

Since the 21st century,along with the maturity and development of science and technology, the means of processing information has become more and more diverse. For some information, there is a huge amount of data that is being processed by machine learning. Over time, machine learning has evolved into a very powerful function. While traditional machine learning requires a lot of manual work, a deep learning technique emerges. Traditional machine learning is weak when dealing with data that does not have manual tagging. Feature learning refers to the input of raw data into a machine,which is automatically learned by the machine, and then detects and classifies the data. Deep learning is a new type of feature learning, and the main idea is to use some nonlinear model to process raw data and turn it into more abstract high-level representation. Even a very complex function, with a lot of transformations, can still be learned.

This paper, based on deep learning,USES matlab to realize the identification of certain people, and the people in this article have chosen to identify gender. In this article, the deep learning model is the convolution neural network (CNN), which USES the BP neural network, and the activation function USES the Sigmod function. Because facial features are so complex, it is necessary to deal with face characteristics, and choose PCA principal component analysis. The ultimate goal of the system is to apply to security monitoring and other areas to ensure public safety.

Keywords：Deep Learning, Crowd Recognition, CNN,PCA Feature Reduction

目录

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深度学习于人脸识别领域的应用 3

1.4主要内容和结构安排 4

第二章 人脸识别概况 5

2.1人脸图像预处理 5

2.2人脸的图像特征分析 5

2.3基于PCA的人脸特征抽取 6

2.4 BP神经网络原理 8

2.5 本章小结 11

第三章 深度学习理论及分析 12

3.1深度学习基础理论 12

3.1.1深度学习的发现与原理 12

3.1.2深度学习的基本思想 14

3.2深度学习网络的训练 14

3.3深度学习常用模型及特点分析 15

3.3.1自编码器Auto-encoder 15

3.3.2稀疏编码 16

3.3.3受限玻尔兹曼机 16

3.3.4卷积神经网络(CNN) 17

3.4 本章小结 19

第四章 基于CNN的男女特定人群人脸识别系统设计 20

4.1 人脸识别流程图 20

4.2 卷积神经网络的结构 20

4.3 卷积神经网络的MATLAB实现 23

4.4 本章小结 24

第五章 实验及结果分析 25

5.1 ORL人脸数据库 25

5.2实验结果分析 25

5.3本章小结 27

第六章 总结与展望 28

参考文献 29

致谢 30

第一章 绪论

1.1课题研究背景及意义

特定人群，指某一类特定的人，这些人有着共同的特征，以此来与其他类人区分开，比如男人和女人，黑人和白人等。而特定人群的识别，则是由机器自动识别某类特殊的人群，可用于安防领域，防止危险事故的发生，也可以用于测控等领域，具有重要的研究意义和研究价值。

图像处理具有现实研究意义，图像含有大量信息，其具有内容充实、反映直观等特点，因此被广泛应用于许多领域。基于此，图像处理的研究十分的重要且有价值。而对图像进行的分类和识别，是图像处理最主要的用途之一，成为了目前图像处理应用的首要目标，深受从业者的关注和重视，是一个热点问题，也是一直以来学者们研究的热点之一。通过训练，使计算机能够学习图片的某些特征，并实现分类检测，是图像处理的首要任务，其目的是让经过训练的电脑在待检测图片中提取特征，并加以分类和识别。图像的分类和识别技术是目前计算机视觉领域的研究热点，其关注点在于如何对图像进行更加有效准确的识别分析，如何提取特征并利用特征对图像进行正确的分类。这个领域的发展将在极大程度上改变我们的日常生活。通过分析图像的内容来获取图像中的关键信息，并给出正确的判断，对现实的工作生活及社会的发展都极具深远的影响。