文章目录
- [0 前言](#0 前言)
- [1 项目运行效果](#1 项目运行效果)
- [2 设计概要](#2 设计概要)
- [4 最后](#4 最后)
0 前言
🔥这两年开始毕业设计和毕业答辩的要求和难度不断提升，传统的毕设题目缺少创新和亮点，往往达不到毕业答辩的要求，这两年不断有学弟学妹告诉学长自己做的项目系统达不到老师的要求。并且很难找到完整的毕设参考学习资料。
为了大家能够顺利以及最少的精力通过毕设，学长分享优质毕业设计项目提供大家参考学习，今天要分享的是
🚩 毕业设计 深度学习遮挡下的人脸识别（源码+论文）
🥇学长这里给一个题目综合评分(每项满分5分)
难度系数：3分
工作量：3分
创新点：4分
🧿 项目分享:见文末!
1 项目运行效果
视频效果：
毕业设计 深度学习遮挡下的人脸识别
2 设计概要
随着深度学习卷积神经网络在图像处理领域的广泛应用，人脸识别技术成为学术界和工业界关注的焦点。然而，近年来，全球范围内的突发公共卫生事件导致了口罩的普遍佩戴，给传统人脸识别技术带来了新的挑战。本论文深入研究了口罩下的人脸识别问题，并提出了一种解决方案，旨在提高在口罩遮挡情境下的人脸识别精度。传统的人脸识别技术在准确率方面表现出色，然而，口罩导致了人脸大面积遮挡，传统方法因此变得不再适用。为了克服这一问题，本文采用了一种基于改进型激活函数LeakyReLU的ResNet18残差神经网络方法。该方法通过解决传统神经网络中的梯度消失和网络退化问题，以及专门针对口罩遮挡下的人脸进行优化，从而有效提高了识别精度。
为验证提出方法的有效性，我使用了Python语言在PyTorch框架下构建了ResNet18残差神经网络模型，并在开源数据集上进行了训练和测试。测试结果显示，在两轮训练集训练后，相较于使用传统ReLU函数的模型，采用改进型激活函数LeakyReLU的模型识别精确度提高了3%。实验证明，该算法能够较好地解决面具遮挡条件下的人脸识别问题。
算法原理
基于人脸识别的口罩识别算法主要利用了人脸识别技术和图像处理技术。首先，通过人脸识别技术，算法能够快速准确地检测出人脸的位置和特征；然后，通过图像处理技术，算法对人脸图像进行分析，判断是否佩戴口罩。具体来说，算法会提取人脸图像中的特征点，如眼睛、鼻子、嘴巴等，并对其进行比对。如果这些特征点在人脸图像中存在且与数据库中的特征点匹配，则判断为人脸；反之，如果这些特征点在人脸图像中不存在或者不匹配，则判断为人脸未佩戴口罩。
实现步骤
- 人脸检测：利用人脸识别技术，算法能够快速准确地检测出人脸的位置和特征。这一步通常使用开源的人脸识别库，如OpenCV和Dlib等。
- 特征提取：通过提取人脸图像中的特征点，如眼睛、鼻子、嘴巴等，并对其进行比对。这一步通常使用深度学习模型，如CNN等。
- 口罩判断：根据比对结果，判断是否佩戴口罩。如果特征点匹配成功，则认为人脸佩戴了口罩；反之，则认为人脸未佩戴口罩。
- 结果输出：将判断结果输出到控制台或者保存到数据库中，以便后续处理和应用。
篇幅有限，更多详细设计见设计论文
4 最后
项目包含内容
完整详细设计论文
🧿 项目分享:见文末!