1314010611-李哲-中期检查报告

。哈尔滨科技大学毕业设计中期检查报告题目：基于机器学习的人脸检测系统院系：软件学院和软件工程系名字：李哲教员：李鹏国务卿：张淑丽2017年3月10日1、毕业设计工作的进展本毕业设计根据人脸灰度化和特征脸的基本知识，利用C语言和SQL数据库开发了一个基于机器学习的人脸检测系统，用于实现人脸检测和识别。该系统具有人脸检测和识别等功能。具体工作进展如下：1.确定主题。首先，我了解自己的兴趣和专长，组织清晰的思维，制定计划，及时与指导老师沟通，研究完成方向，理解和学习openCV框架，确定系统使用的语言，巩固以前的知识，为初步的系统设计打下坚实的基础。在此期间，我决定了论文和系统的主题：基于机器学习的人脸检测系统。2.获取信息和需求分析。在查阅了资料并深入了解了需要完成的系统和论文之后，我来到了哈尔滨科技大学在线图书馆，那里有很多优秀的论文和文献。我还去学校图书馆借书，以便全面学习基础知识，合理利用学校丰富的资源。在充分了解系统要做的工作后，我进行了需求分析和调查。需求是系统完美实现的基础。只有打好基础，才能保证系统的完美实现。3.建立一个框架。在此期间，openCV框架被用于学习灰度化和特征脸特征脸的算法。在学习的时候，伟大的上帝被咨询了。在了解直方图均衡化过程后，可以对人脸区域中的左右人脸分别进行直方图均衡化，然后合并整个人脸。4.代码编写。在此期间，代码被编写，每个函数被细化以准确地检测和识别人脸。系统的两大功能不断完善，设计并初步完成了用户满意度高的人脸识别系统。5.系统测试。同时，检查系统并进行改进。在系统实现的过程中，出现了很多问题，所以我们应该不断修改不满意的地方和遇到的问题，尽最大努力完善系统，不断测试系统，并经常与老师沟通或反馈。6.写论文。在此期间，我完成了论文的写作，主要写了需求分析、概要设计和详细设计。我记录了系统的实际流程步骤，并详细描述了系统检测和识别两个功能。系统的主要应用程序角色管理器和用户是以不同的角色编写的。系统设计数据库中使用的表被清楚地划分。7.完善论文。在此期间，论文将被检查和完善，目录，引用文件和附录将被完整地编制，格式将被调整，格式是一个态度的问题，因此应该给予更多的关注。2、毕业设计存在的问题及解决方案在基于机器学习的人脸检测系统的研究中，遇到了许多困难和困难。在本科期间，我们还与实验教师一起进行了机器学习研究，并与高年级学生讨论了人脸识别算法。然而，目前还没有系统的研究来统一这两种研究，因此在话题讨论的过程中存在一定的困难。因此，我通过了系统设计和论文的写作，在发现和解决问题。在研究人脸识别的过程中，我遇到了三个困难。1.主要问题：人脸识别中最困难的问题之一是每个人的脸都非常相似，而且地球上有很多人。虽然每个人都是独一无二的，但许多人的脸之间的差异非常微妙。然而，人脸识别需要确定坐着的眼睛、鼻子、嘴巴和其他器官在人脸图像中的位置，还需要描述这些器官的形状信息和它们的面部轮廓。这是研究系统和方法的最大问题之一。解决方法：对系统进行降噪处理，即以人脸的眼睛、鼻子和嘴巴为特征点，研究眼睛、鼻子和嘴巴的形状以及它们之间的几何特征关系，采用基于模式相似度的最近距离分类器进行分类，利用加权比值函数计算特征相似度，准确定位人脸器官的特征点。2.主要问题：另一个困难是当光照条件不同时很难准确识别，当角度不同时会有误差。然而，人脸检测的主要任务是确定计算机的“眼睛”所观察到的“图像”中是否有人脸。如果有一张脸，有必要给出诸如它在图像中的坐标位置和脸区域的大小之类的信息。解决方案：我了解到深圳飞思高科技有限公司领导的人脸识别技术的研发，他们采用了多光源技术，可以解决光照条件变化和人脸伪装条件下的人脸识别难题。然而，这个解决方案仅限于我目前正在研究的技术，还没有完美地解决这个问题。我希望通过不断的学习和探索，解决我未来的疑虑。3.主要问题：描述输入图像数据的结构设计是另一个难点。一般来说，这些描述不仅是原始数据的排列(例如输入图像的灰度值)，而且是比通过一些实际的提取方法或数学运算获得的原始数据具有更高含义的数据组合形式，这被称为特征。经验表明，在分类学习过程中，特征的选择对问题的最终解决有很大影响，因此如何选择最理想的特征是一个难题。用某种普遍的方法来总结和计算人脸的特征和部位是非常困难的，就像没有数学公式或物理定理可以解释所有自然发生的现象一样。解决方案：通过在深度回旋神经网络的每一层中自下而上的连续学习和训练，可以明确地提取出对面部差异有很大影响的一些特征和抽象意义。因此，深度卷积神经网络在人脸识别中比其他人工特征选择和提取方法有其自身的特点和优势。3、下一步工作预测及可能出现的问题(不少于800字)在基于机器学习的人脸检测系统的早期研究中，我们遇到了许多难题和困难，但大多数都找到了解决方案。在本科期间，我们还与实验教师一起进行了机器学习研究，并与高年级学生讨论了人脸识别算法。然而，目前还没有系统的研究来统一这两种研究，因此在话题讨论的过程中存在一定的困难。我意识到我接下来会遇到更多的问题，如下所示：1.本课题研究的人脸识别深度学习算法是一套模拟人脑的神经网络算法。通过收集大量的人脸照片，新的神经网络算法可以将图片信息转换成结构化数据，机器可以通过大数据训练来理解这些结构化数据。有研究人员苏光指出，基于深度学习的人脸识别的难点在于训练的计算复杂度极高，计算机不擅长二维计算，大量时间花在深度学习上。接下来，我们需要研究并解决这个方案，我们可能需要了解更多关于如何下载海量数据以及如何深入学习的信息。2.虽然本课题已经确定了需求分析并根据需求分析进行了开发，但是开发的系统并不能使用户完全满意和满意。因此，计划在系统总体结构成功实现后，将发现不同的面进行持续测试，统计目标用户使用后的感受和建议，分析是否在计划范围内，并及时调整系统的设计和开发。3.本课题的研究是一个基于机器学习的人脸检测系统。由于在能力范围内可以实现的功能过于简单，普及性不大，无法普遍应用，计划是进一步加强今后设计的各个模块的实用性，并不断学习理论知识4.本课题已经开始了初步论文的准备工作，但仍存在许多不确定因素，如：词语不准确、软件工程知识不足、版式排版、汉英翻译等。计划在论文的整个写作过程中提高现有的软件工程知识，阅读更多的文献，参考其格式和排版风格，熟悉专业英语词汇知识，为论文的完成打下坚实的基础。在研究的过程中，所遇到的困难再次表明有许多地方需要加强，也明白生活就是不断学习和提高。虽然我们很快就要毕业，离开校园环境，但我们仍然是年轻的鸟儿，正步入另一个学习环境，我们还有很多要学