系统概述

本毕业设计系统旨在利用机器学习算法构建一个基于Python的深度学习遮挡环境下的人脸识别系统。该系统主要针对现实生活中常见的人脸遮挡场景（如口罩、眼镜、围巾等）进行优化设计，通过创新的深度学习模型架构提升遮挡条件下的识别准确率。

系统组成

1. 数据采集模块：

   • 使用OpenCV库构建实时人脸采集程序
   • 包含公开数据集（如LFW、CelebA等）和自建遮挡人脸数据集
   • 特别采集不同遮挡物（口罩/眼镜/帽子）下的多角度人脸图像

2. 预处理模块：

   • 图像归一化处理（统一为112×112像素）
   • 数据增强技术（随机旋转、亮度调整、添加噪声）
   • 关键点检测对齐（使用dlib库）

3. 核心算法模块：

   • 基于PyTorch框架实现改进的ResNet50网络
   • 引入注意力机制（CBAM模块）增强特征提取
   • 采用ArcFace损失函数优化特征空间分布
   • 针对遮挡区域设计局部特征融合策略

4. 应用实现：

   • 实时视频流人脸识别接口
   • 支持单张图片测试模式
   • 提供识别置信度显示和结果可视化

技术创新点

1. 提出基于区域权重分配的特征融合方法，有效降低遮挡区域干扰
2. 在网络浅层引入局部特征提取分支，增强对部分可见特征的利用
3. 设计动态阈值策略，适应不同遮挡程度的识别需求

性能指标

系统最终将打包为可执行程序，并提供完整的API文档和使用说明，便于后续扩展应用至安防、门禁等实际场景。