監(jiān)控視頻中的人臉特征理解和分析.pdf

1、計算機硬件的發(fā)展推動了深度學(xué)習(xí)技術(shù)在圖像識別領(lǐng)域的進步，基于卷積神經(jīng)網(wǎng)絡(luò)的圖像分類，人臉識別方法取得了顯著性的成果。近年來，隨著人工智能，多媒體等技術(shù)的快速發(fā)展，監(jiān)控視頻在家庭安防、金融安全、智能出行等領(lǐng)域得到了廣泛的應(yīng)用，基于監(jiān)控視頻中人臉特征的分析成為學(xué)者們研究的熱點領(lǐng)域。傳統(tǒng)研究方法中大多忽視了監(jiān)控視頻對識別實時性能的需求，并且很少同時實現(xiàn)對多種屬性的研究以及對屬性數(shù)據(jù)相對較少問題的進一步解決。因此，本文主要對監(jiān)控視頻中的人臉屬性

2、分析的實時性和準(zhǔn)確性進行研究，并從圖像生成角度解決數(shù)據(jù)量相對較少的問題，進一步優(yōu)化屬性分析的模型。主要研究內(nèi)容如下:
　　一、從監(jiān)控視頻人臉數(shù)據(jù)的構(gòu)成、特點、應(yīng)用領(lǐng)域和國內(nèi)外人臉研究的現(xiàn)狀等方面，說明了基于監(jiān)控視頻人臉數(shù)據(jù)進行屬性分析的重要意義。總結(jié)了對監(jiān)控視頻人臉數(shù)據(jù)進行屬性分析的網(wǎng)絡(luò)結(jié)構(gòu)的選擇方法，詳細介紹了基于Multi-task思想的Lighten CNN單網(wǎng)絡(luò)多目標(biāo)的網(wǎng)絡(luò)結(jié)構(gòu)的構(gòu)建。并闡述了人臉特征分析的幾個重要的評價指

3、標(biāo)。
　　二、使用了基于BEGAN，CycleGAN的人臉屬性數(shù)據(jù)的生成方法。因為現(xiàn)有監(jiān)控視頻數(shù)據(jù)相對較少，對最終模型的準(zhǔn)確率影響較大。為了降低數(shù)據(jù)對最終人臉屬性特征分析結(jié)果的影響，結(jié)合當(dāng)前流行的生成對抗網(wǎng)絡(luò)思想，使用目前在人臉生成領(lǐng)域效果最好的BEGAN網(wǎng)絡(luò)，進行監(jiān)控視頻中人臉屬性數(shù)據(jù)的生成。在這一策略中，提出用現(xiàn)有監(jiān)控視頻數(shù)據(jù)與開源數(shù)據(jù)集CelebA融合的方法，進行BEGAN網(wǎng)絡(luò)的訓(xùn)練，并使用最優(yōu)的迭代模型，模擬噪聲輸入，生成

4、人臉屬性數(shù)據(jù)。將生成的人臉數(shù)據(jù)添加到原始的監(jiān)控視頻數(shù)據(jù)集中，基于拓充的數(shù)據(jù)，進行屬性模型的優(yōu)化。同時，使用CycleGAN模型進行人臉戴眼鏡屬性，戴口罩屬性數(shù)據(jù)的生成。實驗結(jié)果表明，生成的人臉屬性數(shù)據(jù)在清晰度和細節(jié)程度上都具有較高的真實性，基于拓充的屬性數(shù)據(jù)集，性別模型得到進一步優(yōu)化。
　　三、設(shè)計了一種基于閾值的模型訓(xùn)練樣本拓充的半自動化數(shù)據(jù)標(biāo)注策略。因為原始的手工標(biāo)注方法帶來繁重的工作負擔(dān)。模型訓(xùn)練、樣本拓充的方法使用少量人工