单样本下可变姿态与光照人脸识别研究的中期报告.docx

单样本下可变姿态与光照人脸识别研究的中期报告
近年来，随着人类社会进一步数字化、智能化，人脸识别技术的发展也愈加强大。不过，由于人在生活中姿态和光照都是经常变化的，导致人脸识别的难度增加。为此，在单样本下可变姿态与光照人脸识别的研究领域中，开展了一系列的研究工作。
一、目前相关研究
1.采用深度学习方法：通过利用大量的样本，对不同角度、不同光照下的人脸进行精确的建模，使得对新样本的识别也具有了更好的鲁棒性。
2.基于三维重建：通过利用多角度相机进行图像采集，对采集到的图像进行配准和三维重建，得到不同角度的3D人脸集合，以此提高对人脸姿态的识别。
3.采用多任务学习方法：通过同时训练人脸识别和姿态估计两个任务，来增强模型对人脸姿态的识别能力。
二、本项目研究内容
本项目围绕着单样本下可变姿态与光照人脸识别展开，主要研究内容包括以下几方面：
1.设计可变低光照图像合成方法：为了提高模型的鲁棒性，需要模拟低光照环境下的人脸图像，从而训练出更加适应真实环境的模型。该方法通过调整图像的光照、色彩等因素，实现低光照照射下的人脸图像的生成。
2.基于多任务学习的人脸姿态估计：这一部分主要利用多个网络分支同时进行人脸识别和人脸姿态估计任务的训练，通过共同学习提高模型的识别能力和鲁棒性。
三、预期研究成果
本项目预期取得以下成果：
1.提出可变低光照图像合成方法，实现低光照环境下的人脸识别模型训练。
2.基于多任务学习的人脸姿态估计，提高模型对人脸姿态的识别能力和鲁棒性。
3.验证方法的有效性和实用性，实现可变姿态和光照下人脸识别的提高。