目录
目录
1.绪论 (1)
1.1研究背景与意义 (1)
1.2人脸识别技术国内外研究现状 (1)
1.3论文主要研究内容 (4)
1.4论文章节安排 (5)
2基于卷积神经网络的人脸识别 (7)
2.1 卷积神经网络原理 (7)
2.1.1 人工神经网络 (7)
2.1.2 卷积神经网络 (9)
2.2 卷积神经网络应用于人脸识别 (15)
2.3 本章小结 (16)
3 基于卷积神经网络的人脸识别算法实现 (17)
3.1基于卷积神经网络的人脸识别模型 (17)
3.2 激活函数的选择 (17)
3.1.1 Sigmoid激活函数 (18)
3.1.2 Tanh激活函数 (18)
3.1.3 ReLU激活函数 (19)
3.1.4 新的激活函数 (19)
3.3人脸数据准备 (20)
3.4 算法网络结构 (20)
3.5 算法实现及结果分析 (21)
3.5.1 识别训练库内人脸 (21)
3.5.2 中间特征图分析 (25)
3.5.3 识别训练库外人脸 (26)
3.6本章小结 (27)
4 人脸识别算法硬件实现 (29)
4.1顶层模块划分 (29)
4.2各模块具体实现 (30)
4.2.1卷积采样模块 (30)
4.2.2全连接模块 (38)
4.2.3分类输出模块 (42)
4.2.4顶层控制 (44)
4.3 系统验证 (46)
4.3.1 总体功能仿真 (46)
V
西安理工大学硕士学位论文
VI
4.3.2 板级验证 (47)
4.4本章小结 (50)
5总结与展望 (51)
5.1总结 (51)
5.2展望 (51)
致谢 (53)
参考文献 (55)
1 绪论
1.绪论
1.1研究背景与意义
如今计算机科学和互联网技术的快速发展，给人们的生活方式带来巨大的便捷，与此同时信息安全愈加受到重视。基于智能卡、身份证和密码的身份识别系统已经不能满足人们的信息安全需求。传统的身份识别方法在网上银行、电子商务和公共安全等领域已经不是特别的有效，由于证件的丢失或密码的泄露导致生命遭到威胁或财产巨大损失的例子屡见不鲜。如何准确识别人类身份、保护信息安全成为人们日益关注的话题。
解决这个问题的一种办法是生物特征识别技术。生物特征是每个生物个体独一无二的、稳定的内在属性，而且可以即时采集特征进行身份识别。生物特征不存在传统身份认证特征丢失或伪造的风险，非常适合当作身份认证的特征表现，将在未来提供解决方案占据重要的地位。目前主要用于身份识别的生物特征都有指纹、人脸、声音、虹膜等。其中人脸识别相对于其他生物识别技术具有直观性，简易性，稳定性和友好性，而且从人脸特征还可以提取其他信息，如年龄，表情等。
人脸识别可广泛的应用于各种领域，如公共安全，公安、司法和刑侦，信息安全和门禁系统等。人脸识别技术虽然比较其他生物特征拥有一些优势，但是本身也存在一些不可靠因素，造成人脸识别的困难，比如周围环境，如阴暗、明亮、偏光等，都会影响人脸特征的采集；人类拥有丰富的表情系统，不同的面部肌肉变化造成表情的变化，这样会导致人脸图像变化较大；眼镜，口罩，围巾或浓妆等，会造成部分脸部特征的丢失或扭曲。综上，人脸虽然是比较理想的身份认证生物特征，但人脸识别的研究具有巨大的困难和挑战性。
1.2人脸识别技术国内外研究现状
人脸识别研究开始于20世纪60-70年代。由于人脸识别技术的重要性，科学家、心
理学家、神经学家和计算机科学家等各类人群充分研究后推动了人脸识别技术的迅速发展。基于各种理论的人脸识别算法应运而生，根据这些算法的特性可分为以下几大类：
a.基于几何特征方法
基于几何特征的人脸识别方法主要出现在人脸识别历史进程的初期阶段。根据人脸面部各个器官特征的拓扑几何关系，将人脸转化为特征矢量，接着采用欧式距离作为相似度度量标准，比较特征矢量的相似度达到识别目的。通常使用的脸部几何特征有双眼距离、眼角嘴角的角度、脸部曲率等。
这种方法最早是由Bledsoe【1】采用进行人脸识别。这种方法需要研究人员首先手动选取特征点，然后用计算机提取特征点之间的拓扑几何参数，最后对这些参数对比、判别。此过程中对人的依赖性过强，是一种半自动系统。Kelly【2】在Bledsoe工作基础上改进了
特征点提取的方式，采用机器测量面部特征，从一定程度上增强了算法的智能性。Brunelli 和Poggio【3】利用积分投影法，将人脸特征提取为35维特征矢量来进行匹配。Yuille等【4】
1