學位論文
Permanent URI for this collectionhttp://rportal.lib.ntnu.edu.tw/handle/20.500.12235/73894
Browse
3 results
Search Results
Item 基於人臉網格的一種對於化妝與跨年齡的臉部辨識(2024) 陳勁凱; Chen, Chin-Kai臉部辨識是一種重要的生物識別技術，在多種應用中得到廣泛使用。然而，化妝以及年齡變化會使人臉發生變化，進而影響人臉上的特徵，從而降低臉部辨識的準確性。為了解決化妝以及年齡變化造成的臉部辨識問題，本論文提出了一種基于MediaPipe的FaceMesh和類神經網路的臉部辨識方法，以解決化妝以及年齡變化造成的臉部辨識問題，該方法將在Python內部逐步構成。MediaPipe FaceMesh模型的人臉偵測是以 BlazeFace 人臉偵測器為基礎，該偵測器會對圖像進行操作並計算人臉位置。偵測到人臉後，FaceMesh模型會使用一個自定義殘差神經網絡提取名為landmark的臉部特徵，並利用歐式距離和landmark蘊含的座標資料計算指定的landmark之間的距離以及比值，作為訓練用的臉部特徵。主成分分析用於提高準確率，降低過擬合現象。類神經網路用於訓練模型。實驗結果表明，該方法在化妝以及年齡變化下的臉部辨識有一定的準確性，具有一定的應用價值。Item 基於3D人臉辨識之擴增實境技術改善臉盲症社交輔助系統(2021) 簡文浩; Jian, Wen-Hau本論文目標為開發一套 AR(Augmented Reality，擴增實境)眼鏡輔助系 統，協助臉盲症患者在社交上、對於生活中他人的辨識。本研究主要貢獻為 提出以三維人臉模型作為人臉辨識之資料擴增基礎，滿足對於臉盲症患者實 際社交情境之實用性，並且將各軟體與硬體平台之優勢進行系統整合與設 計，實現可讓患者立即投入使用之社交輔助工具。具體架構包含以下內容: 第一，以結構光技術(Structured Light)結合立體視覺攝影機，經由 Structured Light 與2D RGB 輸入，2D 資料通過深度神經網路(Deep Neural Network)進行 人臉的提取，並確認三維空間中人臉之座標，運用深度學習將3D 點雲資訊 和2D 影像進行實時三維人臉密集重建，並取得人臉正面、側面 等7個角度 之人臉資訊，提高人臉對於側臉與大動態辨識的準確度。第二，藉由第一部 分產生之人臉資訊，輸入卷積神經網路進行運算，卷積神經網路以輸出128 維之特徵向量取代傳統高維分類器作為人臉特徵依據，將計算之特徵向量與 系統內 SQL(Structured Query Language)資料庫，進行歐式距離計算並比對， 取得最小歐式距離並對應該人臉的姓名資料。第三，將人臉標籤資訊、空間 中之人臉座標點，藉由相機模型投影，實現 AR 眼鏡中顯示即時人臉辨識標 籤及人臉 Bounding Box。本論文希望臉盲症患者在戴上 AR眼鏡後，AR 眼 鏡能夠即時從環境中掃描人臉，並從既有資料庫之中，辨別出對應之身分， 將該人的位置與人名標註至 AR 眼鏡中，幫助臉盲症患者能夠辨別出生活中 每個人之身分，不因認不出臉而產生困惑，突破社交上的阻礙，降低而因社 交上之阻礙，導致產生自閉症等心理疾病之可能性。Item 基於主成份分析法與灰關聯分析法之動態人臉辨識(2007) 邱柏智; BO-JR Chiou人臉辨識系統廣泛地應用於身分認證、門禁管理與人機界面等領域，近年來由於「智慧生活」科技的提倡，人臉辨識技術已延伸至人與機器最佳化介面之應用。此外視訊會議、影像內容檢索與醫學影像處理等方面，亦是其重要之應用領域。 本篇論文分為人臉偵測和人臉辨識兩大部分。在人臉偵測的部份，我們利用膚色分割和連通成份的方法找出人臉候選區，再使用色彩分析的方法從人臉候選區中尋找眼睛和嘴唇的特徵，最後再使用眼睛和嘴唇的幾何條件關係去定位出正確的人臉位置。在人臉辨識部分，我們提出一套結合主成份分析法與灰關聯分析法的人臉辨識方法，此方法的架構分為以下三個階段：首先，在影像前處理的階段，我們使用二維小波轉換，對輸入影像做資料壓縮的處理，接著，利用主成份分析法將壓縮過的人臉影像，投影到低維度的子空間中，計算出具有代表性的特徵臉，最後，再使用灰關聯分析法，來辨識出正確的人臉圖片。 為了驗證本篇所提出的方法，在靜態辨識實驗中，我們使用ORL人臉資料庫，做了一些分析和比較的實驗，實驗結果證明，在40人條件下，訓練樣本為五張時，可以得到91.6%的辨識率。而本篇方法在動態辨識實驗中以不同距離拍攝人臉，在30人條件下，可以得到八成以上的辨識率。