数字图像处理硕士论文提纲

数字图像处理硕士论文提纲--人脸识别技术的研究与实现

摘要：人脸识别技术是模式识别、人工智能等领域的研究热点，该技术利用机器或计算设备来完成身份验证操作。传统的人脸识别技术是手工设计的特点和机器学习技术的结合，而手工设计的特点难以应对现实场景的不同变化。近年来，基于卷积神经网络的人脸识别方法被研究人员广泛使用，因为深度学习方法可以通过训练大量的数据集独立学习人脸表征信息，适用于多变环境中的人脸图像。目前，基于开源数据集训练的卷积神经网络模型在人脸识别领域具有较高的效率和准确性，因此基于卷积神经网络的人脸识别技术具有较高的实用价值。本文通过了解和学习卷积神经网络的相关技术知识，研究了人脸识别技术，设计和实现了人脸识别系统和可视化工具的关键步骤。然后介绍了卷积神经网络的理论知识，例如并比较了目前广泛使用的人脸检测和人脸特征点定位算法。通过对这两个重要步骤中涉及的网络模型的研究和网络模型之间的比较结果，我们选择了本文中使用的算法模型，并通过对网络模型和源代码的研究，优化了所选的网络模型，实现了人脸识别系统。最后，基于图像处理技术、C++11的应用和本文提出的算法模型，包装了人脸识别的整个过程，并利用MFC应用框架开发了2015年Visualstudio环境下的视觉界面工具，实现了整个人脸识别操作过程。同时，测试系统的框架性能，以验证工具的强度和稳定性。

关键词：C++11;MFC;数字图像处理;卷积神经网络;人脸识别;

摘要

abstract

第一章 绪论

    1.1 课题研究背景及意义

    1.2 人脸识别技术的研究历史与现状

        1.2.1 传统人脸识别技术研究历史与现状

        1.2.2 深度学习人脸识别技术研究历史与现状

    1.3 本文主要研究内容以及章节安排

        1.3.1 本文主要研究内容

        1.3.2 本文组织结构

第二章 人脸识别系统综述

    2.1 人脸识别系统

    2.2 人脸检测

        2.2.1 人脸检测的方法

        2.2.2 人脸检测器评价指标

    2.3 人脸图像预处理

        2.3.1 图像预处理

        2.3.2 人脸图像归一化

    2.4 人脸关键点定位

    2.5 人脸特征提取

    2.6 人脸比对识别

    2.7 本章小结

第三章 基于卷积神经网络人脸检测的研究

    3.1 卷积神经网络概述

        3.1.1 卷积神经网络基本结构

        3.1.2 卷积神经网络模型

        3.1.3 卷积神经网络训练

    3.2 基于多任务级联卷积神经网络人脸检测

        3.2.1 MTCNN的网络结构

        3.2.2 非极大值抑制

        3.2.3 损失函数

        3.2.4 难样本挖掘

        3.2.5 结果与比对

    3.3 多任务级联卷积神经网络优化

        3.3.1 优化思路

        3.3.2 优化方法与结果

    3.4 本章小结

第四章 基于深度卷积网络人脸特征点定位的研究

    4.1 基于级联深度卷积网络人脸特征点定位

        4.1.1 深度卷积网络的级联框架

        4.1.2 多层次回归

        4.1.3 网络训练

    4.2 基于CFAN人脸特征点定位

        4.2.1 CFAN的网络结构

        4.2.2 全局SAN与局部SAN

        4.2.3 SIFT算法

    4.3 基于Robust FEC-CNN人脸特征点定位

        4.3.1 RFC网络结构

        4.3.2 可微形状索引块

        4.3.3 边界框不变

        4.3.4 模型集成

    4.4 实验结果与比对

    4.5 本章小结

第五章 人脸识别可视化工具开发

    5.1 MFC

    5.2 人脸识别可视化工具设计

        5.2.1 功能设计

        5.2.2 界面设计

    5.3 人脸识别系统及可视化工具的实现

        5.3.1 人脸识别系统的封装

        5.3.2 人脸识别可视化工具的实现

    5.4 可视化工具测试

        5.4.1 功能测试

        5.4.2 性能测试

    5.5 本章小结

第六章 总结与展望

    6.1 论文工作总结

    6.2 问题与展望

参考文献

附录1 程序清单