學位論文

Permanent URI for this collectionhttp://rportal.lib.ntnu.edu.tw/handle/20.500.12235/73912

Browse

Filters

2011 - 20202

Settings

Has files: NoSubject: search.filters.subject.face recognition

Search Results

Now showing 1 - 2 of 2
  • No Thumbnail Available
    Item
    基於CNN對於多人環境進行人臉辨識之研究
    (2020) 李聿宸
    人臉辨識於現今社會為熱門的議題，每個人皆有獨一的臉部特徵，相較於密碼或是個人證件等傳統的識別方式，人臉辨識既不需要隨時攜帶實體證件也不用擔心忘記密碼。當經由辨識而取得臉部影像後，就能夠藉由不同的臉部特徵與人臉資料庫進行比對來驗證身分。 本研究以設置於教室上方的攝影機拍攝課堂環境，取得之臉部影像解析度較低，因此人臉特徵較不突出，且亦有光線亮度不均勻以及臉部偏移等問題，導致傳統人臉辨識效果不佳。本研究運用YOLOv3結合深度學習的人臉偵測技術取得個人的臉部影像，並搭配卷積神經網路 (Convolutional Neural Network)訓練合適的模型進行人臉辨識，對於20 × 20以上之低解析度且包含不同角度的臉部影像，皆能達到97%以上的辨識準確率。由於人臉長時間下來會有些許的變化，根據實驗結果，經由四個月後之臉部影像仍能維持94%的辨識準確率。
  • No Thumbnail Available
    Item
    基於增量學習之人臉辨識研究
    (2011) 李昇龍; Sheng-long Li
    人臉在生物驗證中是非常重要的特徵，在過去十幾年來，人臉辨識於電腦視覺的研究上也是非常熱門的議題，人臉辨識的技術也廣泛的運用在各方面，例如使用於監視系統或是安全控管系統上。本論文使用了增量學習的方法，設計了一個於課堂環境中可以自動辨識學生的一個點名系統，由於學生的造型在每一次的上課中會與之前有些微的變化，因此在辨識的同時，將這些新的影像加入原有的訓練資料中訓練，對於後續所訓練出的人臉模型將會越來越好。在論文中，我們使用了二維線性鑑別法(2DLDA)作為人臉訓練及辨識所用的分類器，並且使用了影片辨識上常用的投票，以及課堂所能利用的互斥資訊來提升辨識率；在增量學習上，也提出了一個驗證方式由測試影像中選擇出適當的影像重新訓練，並且進行了許多實驗來評估增量學習使用於人臉辨識上的效能。