基于GAN网络超分辨率重构的人脸识别模型研究.pdfVIP

目录

摘要I

ABSTRACTII

第一章绪论1

1.1研究背景与意义1

1.2国内外研究现状2

1.2.1超分辨率重构算法2

1.2.2低分辨率人脸识别3

1.3论文主要研究内容5

1.4论文结构安排6

第二章相关技术及算法7

2.1基于深度学习的图像超分辨率算法7

2.1.1基于卷积神经网络的图像超分辨率技术7

2.1.2基于生成对抗网络的图像超分辨率9

2.2低分辨率人脸识别技术10

2.2.1人脸检测10

2.2.2人脸图像预处理11

2.2.3人脸特征提取11

2.2.4人脸图像匹配与识别11

2.3低分辨率人脸识别方法12

2.3.1基于特征脸的人脸识别方法12

2.3.2基于线性判别分析的人脸识别方法13

2.3.3基于卷积神经网络的人脸识别方法14

2.4本章小结16

第三章基于改进ESRGAN的人脸超分辨率重构17

3.1GAN模型17

3.2基于改进ESRGAN的超分重构算法19

3.2.1生成网络结构19

3.2.2判别网络结构21

3.2.3损失函数22

3.3实验设置24

3.3.1实验数据集24

3.3.2实验环境及训练设置24

3.4实验结果与分析25

3.4.1评价指标25

3.4.2消融实验26

3.4.3对比实验26

3.5本章小结29

第四章基于对抗损失的多特征低分辨率人脸识别31

4.1轻量级人脸识别网络MobileFaceNet31

4.2基于对抗损失的多特征低分辨率人脸识别模型34

4.2.1超分辨率重构35

4.2.2多特征融合35

4.2.3损失函数36

4.3实验设置37

4.3.1实验数据集37

4.3.2参数调整及模型训练38

4.4实验结果与分析38

4.4.1人脸识别模型评价指标38

4.4.2客观评价指标分析40

4.4.3人脸评价指标分析41

4.5本章小结41

第五章系统设计与实现43

5.1需求分析43

5.2系统设计44

5.2.1系统架构44

5.2.2开发与运行环境45

5.3系统实现46

5.3.1注册、登录模块46

5.3.2学生信息管理模块47

5.3.3课表信息模块47

5.3.4选课信息模块48

5.3.5视频管理模块48

5.3.6考勤汇总模块49

5.3.7系统配置模块49

5.4本章小结50

第六章总结与展望51

6.1工作总结51

6.2展望51

参考文献53

在学期间取得的科研成果59

摘要

随着对远距离监视应用的需求日益增加，从监控录像中提取人脸图像数据已

成为当前获取人脸图像信息的主要途径。低分辨率人脸识别旨在从小尺寸或劣质

图像中识别具有不同角度、光照、表情等情况的人脸图像。针对低分辨率监控视

频中的人脸识别这一领域内的难题，本研究聚焦于运用GAN（Generative

AdversarialNetwork）网络超分辨率重构技术来改进低分辨率人脸识别的效果，

并应用于课堂教学，以推动教学从传统向数智化的发展进程。主要研究内容如下：

（1）针对目前图像超分辨率重构算法仍存在纹理、伪影等细节处理不足的

ESRGANEnhancedSuper-ResolutionGenerativeAdversarialNetwork

问题，（）通

过在传统