131401061李哲-中期檢查報告

1、哈爾濱理工大學畢業(yè)設計中期檢查報告題目：基于機器學習的人臉檢測系統(tǒng)院、系：軟件學院、軟件工程系姓名：至起指導教師：奎鵬系主任：張淑麗2017年3月10日一、畢業(yè)設計工作的進展情況本畢業(yè)設計擬使用C+語言、SQL數(shù)據(jù)庫，根據(jù)灰度化、Eigenfaces特征臉的基礎知識，開發(fā)一個基于機器學習的人臉檢測系統(tǒng)，用于實現(xiàn)對人臉的檢測和識別，該系統(tǒng)具有人臉檢測、識別等功能。具體工作進展情況為：1 .確定題目。.首先，我了解自己的興趣和擅長所在，整理清晰思路，制定計劃，及時與指導老師溝通研究畢設方向，了解并學習學習openCV框架，確定所做系統(tǒng)要用到的語言，鞏周以前的知識，為初期系統(tǒng)設計夯實基礎。在這期間，

2、我確定了論文和系統(tǒng)題目：基于機器學習的人臉檢測系統(tǒng)。2 .查閱資料及需求分析。查閱資料，深入了解要做的系統(tǒng)及論文資料，我登陸了哈爾濱理工大學網(wǎng)上圖書館，其中中文數(shù)據(jù)庫里有非常多的優(yōu)秀論文文獻，還去了學校圖書館借閱了書籍，將基礎知識學習全面，將可以利用的學校豐富資源合理利用。充分的了解了所要做的系統(tǒng)之后，我進行了需求分析，并做了調查，需求是完美實現(xiàn)系統(tǒng)的根基，把根基做好，才能保證系統(tǒng)的完美實現(xiàn)；3 .搭建框架。在此期間，搭openCV框架，學習灰度化、Eigenfaces特征臉的算法，一邊學習一邊向大神請教，了解了直方圖均衡化處理，可以將人臉區(qū)域的左、右臉分別進行直方圖均衡化，然后合并整臉。4

3、.代碼編寫。在此期間，進行代碼的編寫，并細化完成每一個功能，落實到能夠準確完成檢測到人臉，并對人臉準確識別，將系統(tǒng)的兩個主要功能不斷實現(xiàn)完善，設計出一個令用戶滿意度較高的人臉識別系統(tǒng)，初步完成該系統(tǒng)；5 .系統(tǒng)測試。在此期間，檢查系統(tǒng)并完善。在實現(xiàn)系統(tǒng)的過程中，有很多的問題不斷涌現(xiàn)，所以要不斷地修改不滿意的地方和遇到的難題，盡量將系統(tǒng)做到完美，不斷對系統(tǒng)進行測試，經常和老師溝通或者反饋；6 .論文編寫。在此期間，完成論文的編寫，主要編寫需求分析、概要設計、詳細設計三大方面，將實際做系統(tǒng)的過程步驟記錄下來，系統(tǒng)的檢測和識別兩個功能進行詳細描述，系統(tǒng)主要的應用角色管理員和用戶分角色編寫，系統(tǒng)設計數(shù)

4、據(jù)庫用到的表劃分清楚；7 .完善論文。在此期間，檢查論文并完善，將目錄、引用文獻、附錄等編寫完整，格式調好，格式是一個態(tài)度問題，所以更應該格外注意。二、畢業(yè)設計工作存在的問題及解決方案在進行基于機器學習的人臉檢測系統(tǒng)的課題研究中，遇到了很多的難題和難點。在本科期間，我們也和實驗室老師進行了機器學習方面的研究，和學長學姐探討了人臉識別的識別算法。但是一直都沒有系統(tǒng)的學習將兩個研究統(tǒng)一在一起，所以課題探討過程中有一定的難度，于是，我在不斷地發(fā)現(xiàn)和解決問題中度過了系統(tǒng)的設計和論文的編寫。我在研究人臉識別過程中遇到了三大難點。1 .主要問題：人臉識別的一大難題就是每個人的人臉面孔相似度都極高，地球上人

5、口眾多,雖然每個人都是獨一無二的，但是很多人面孔之間的差別是非常微妙的。而人臉識別要求確定面部圖像中的坐眼睛、鼻子、嘴巴等器官的位置，還要求對這些器官及其面部輪廓的形狀信息作出描述。這是在研究系統(tǒng)和方法中最大的難題之一。解決方案：將系統(tǒng)做一個降噪處理，也就是將人臉眼睛、鼻子、嘴巴作為特征點，研究眼鼻嘴的形狀和他們之間的幾何特征聯(lián)系，采取根據(jù)模式相似性的最近距離分類器進行分類，用加權比值函數(shù)來計算特征相似度，用以準確定位人臉器官特征點。2 .主要問題：另一個難點是在光照明條件不同時準確識別是很難的，以及角度的不同識別也會有誤差。而人臉檢測的主要任務就是要求判斷計算機的“眼睛”觀察到的“影像”中是

6、否存在人臉，如果存在，需要同時給出其在圖像中的坐標位置、人臉區(qū)域大小等信息。解決方案：這一問題我了解了深圳市飛瑞斯科科技有限公司為首的人臉識別技術研發(fā)，他們采用了多光源技術，多光源人臉識別技術可以解決在光照條件變化、人臉偽裝等情況下人臉識別困難的問題。但這種解決辦法對于我現(xiàn)在研究的技術有限，還沒有完美的解決這一問題，希望在日后不斷地學習探索中解決自己的疑惑。3 .主要問題：對于錄入進來的圖像數(shù)據(jù)進行結構化設計描述是又一大難點。一般情況下，這些描述并不僅僅是原始數(shù)據(jù)（例如輸入圖像的灰度值）的排列，而是通過某些具有實際意義的抽取方法或者數(shù)學運算而得到的比初始數(shù)據(jù)具有更高層含義的數(shù)據(jù)組合形式，稱之為

7、特征。經驗表明，在分類學習過程中，特征的選取對問題最終解決的影響十分巨大，因此如何選取最理想的特征是有一個難題。人臉的特征和表現(xiàn)出區(qū)別的部分很難用某種普適的方法進行總結和求取，就像沒有一種數(shù)學公式或物理定理可以解釋自然發(fā)生的所有現(xiàn)象。解決方案：通過將深層的卷積神經網(wǎng)絡各層自下而上不停學習和訓練，某些對人臉差異產生較大影響的特征和抽象含義可被顯式地提取出來。因此通過深層的卷積神經網(wǎng)絡在人臉識別課題上較其他手工特征選取、提取方法有自身的特點和優(yōu)勢三、下一步工作預測及可能存在的問題（不少于800字）在進行基于機器學習的人臉檢測系統(tǒng)的前期課題研究中，遇到了很多的難題和難點，但大部分都已經找到了解決方案

8、。在本科期間，我們也和實驗室老師進行了機器學習方面的研究，和學長學姐探討了人臉識別的識別算法。但是一直都沒有系統(tǒng)的學習將兩個研究統(tǒng)一在一起，所以課題探討過程中有一定的難度。我意識到接下來會遇到更多的問題，如下：1 .本課題研究的人臉識別所用到的深度學習算法是一套模擬人腦的神經網(wǎng)絡算法，通過收集的海量人臉照片，新型的神經網(wǎng)絡算法可以通過大數(shù)據(jù)訓練將圖片信息變成能夠被機器理解的結構化數(shù)據(jù)。有研究學者蘇光指出，基于深度學習的人臉識別難度在于訓練的計算復雜度極高，計算機不擅長二維計算，大量耗時在深度學習上。接下來要研究解決這一方案，可能要更深入地學習海量數(shù)據(jù)如何下載和深度學習上。2 .本課題雖然已經確

9、定了需求分析，并按照需求分析進行開發(fā)，但是開發(fā)出的系統(tǒng)不一定讓用戶完全滿意和盡人意。所以計劃當系統(tǒng)的大體結構成功實現(xiàn)后，找不同的面孔不斷的測試，統(tǒng)計目標用戶使用后的感受與建議，分析是否在計劃范圍內，并及時調整系統(tǒng)的設計與開發(fā)。3 .本課題研究的是基于機器學習的人臉檢測系統(tǒng)，由于能夠在能力范圍內實現(xiàn)的功能過于簡單，普及面不大，不能普遍適用，所以計劃對于今后設計的每一個模塊都要更加強化其實用性，對于理論知識也要不斷學習，豐富自身的知識，使自己的想法更有說服力，實現(xiàn)系統(tǒng)開發(fā)的目的。4 .本課題已經開始了初期論文的編寫，但是仍存在許多不確定性因素，如：用詞不夠準確、軟件工程知識不夠充足、格式排版、中英文翻譯等問題。計劃在整個論文編寫過程中進行中溫故已有的軟件工程知識，多多閱讀文獻，參考其格式排版樣式，熟悉專業(yè)英文單詞方面的知識，為完成論文的編寫打下堅實基礎。在課題研究過程中，遇到的難點也再一次說明了自身存在很多需要加強的部分，也明白人生就是要不斷去學習不斷去進步。雖然馬上就要畢業(yè)離開校園這一大環(huán)境，但是走入另一個學習環(huán)境的我們還是一只只雛鳥，我們還有很多要去學習的地方。畢