基於單類別識別辨識應用於身分認證之研究

Applications of Identity Authentication Based on One Class Recognition

王德揚(Wang Te-Yang)

指導教授 ： 黃文吉

國立臺灣師範大學/理學院/資訊工程學系/碩士(2020年)

https://doi.org/10.6345/NTNU202001214

摘要

每個人臉的外觀皆不相同，有多樣的特徵能讓他人辨識身分。臉這樣的生物特徵，也能夠用攝影機來透過電腦進行分析，比較人臉視覺影像特徵來辨識他人身分，將人臉辨識系統應用於身分認證。
傳統的類神經網路為分類模式，是在既有的已知類別中進行分類，在已知類別外則無法辨識，有著無法辨識出未知類別的極大的缺點。為了改善這項缺點，利用新形態的模型，補足傳統模型辨識的不足，即使有未知類別出現，也能將他歸類為未知類別，克服單類別識別的神經網路應用上的困難，整合於人臉辨識系統。
使用一系列人臉辨識相關技術建構人臉辨識系統。從臉部影像收集，透過攝影機收集影像資料，影像資料前處理，將人臉以外的資訊去除，降低影像分析的複雜度，藉由神經網路分析影像資料，擷取臉部特徵對影像資料來進行分析，最後建立人臉辨識系統辨識身分，以及將人臉辨識系統整合於低運算資源的嵌入式系統。

關鍵字

人臉辨識 ； 身分認證 ； 類神經網路 ； 嵌入式系統

並列摘要

none

並列關鍵字

none

參考文獻

[1] Krizhevsky, A., Sutskever, I., & Hinton, G. E. (2012). Imagenet classification with deep convolutional neural networks. In Advances in neural information processing systems (pp. 1097-1105).

[2]Simonyan, K., & Zisserman, A. (2014). Very deep convolutional networks for large-scale image recognition. arXiv preprint arXiv:1409.1556.

[3]He, K., Zhang, X., Ren, S., & Sun, J. (2016). Deep residual learning for image recognition. In Proceedings of the IEEE conference on computer vision and pattern recognition (pp. 770-778).

[4] Russakovsky, O., Deng, J., Su, H., Krause, J., Satheesh, S., Ma, S., ... & Berg, A. C. (2015). Imagenet large scale visual recognition challenge. International journal of computer vision, 115(3), (pp. 211-252)

[5]Oza, P., & Patel, V. M. (2018). One-class convolutional neural network. IEEE Signal Processing Letters, 26(2), (pp.277-281).