本文選題：人臉性別識別 + 特征融合�。� 參考：《南京郵電大學》2016年碩士論文

【摘要】：基于人臉圖像的性別識別在人機交互、智能監(jiān)控、視頻檢索等領域中有著廣闊的應用前景,近年來已經(jīng)發(fā)展成為計算機視覺領域的一個熱點課題。與其它識別問題一樣,人臉性別識別系統(tǒng)的基本框架需要包括特征描述和分類器設計兩方面。一方面,人臉的描述特征可以分為全局特征和局部特征兩大類,兩種特征的作用不同具有互補性,而傳統(tǒng)的人臉性別識別方法在特征提取方面主要是針對單一特征,必定會影響最終的識別率;另一方面,傳統(tǒng)的性別識別分類器主要有支持向量機(Support Vector Machine,SVM)、Adaboost和神經(jīng)網(wǎng)絡等,由于SVM是針對二分類問題提出的,因此SVM在人臉性別識別問題上被應用得最為廣泛,但是這些傳統(tǒng)分類方法對有部分遮擋人臉的識別效果并不理想。為了解決上述兩個問題,本文提出將全局特征和局部特征進行融合得到人臉的描述特征,該人臉描述特征較單一特征包含了人臉更多的有用信息。此外,由于稀疏表示已被成功應用于人臉識別領域,其對于存在光照,表情及遮擋等情況下的人臉識別具有很強的魯棒性,因此本文將稀疏表示應用于人臉性別識別問題中,并在此基礎上引入了類字典和字典學習進一步提高了識別率。本文的研究工作如下:(1)深入調(diào)研了目前常用的人臉性別識別方法。綜述了目前在人臉性別識別領域中常用的人臉特征提取方法和常用的人臉性別分類方法。(2)提出了基于單特征和類字典的稀疏人臉性別識別方法。首先,鑒于稀疏表示在人臉識別領域中的成功應用,本文將稀疏表示應用于人臉性別識別問題中,提出了基于宏字典的稀疏人臉性別識別方法。然后,在基于宏字典的稀疏人臉性別識別方法基礎上,提出了基于類字典的稀疏人臉性別識別改進方法。最后,分別基于PCA、LBP和2D-Gabor特征,在CAS-PEAL人臉庫上比較了兩種方法的識別率,通過實驗證明了在單特征條件下,基于類字典的稀疏人臉性別識別方法識別效果更好。(3)提出了基于特征融合和類字典學習的新型稀疏人臉性別識別方法。首先,由于全局特征和局部特征在表征人臉方面作用不同且具有互補性,本文將全局特征和局部特征進行融合,使用融合特征作為人臉的描述特征,通過實驗證明融合特征的識別率較單一特征要高。然后,由于不經(jīng)過字典學習的類字典對于訓練數(shù)據(jù)的表征能力有限,本文通過字典學習算法得到經(jīng)過學習的類字典并將其應用于人臉性別分類,通過實驗比較了未經(jīng)過學習的類字典和分別經(jīng)過三種字典學習算法得到的類字典的識別率,證明了經(jīng)過學習的類字典的識別率較未經(jīng)過學習的類字典更高并且通過RLS-DLA算法得到的類字典的識別率最高。接著,本文介紹了在稀疏表示識別問題中三種常用的稀疏表示向量求解方法,并從識別率和計算時間兩個方面對這三種方法進行了比較實驗,發(fā)現(xiàn)正交匹配追蹤算法的綜合性能最好。最后,通過實驗比較了本文方法與SVM方法分別對有遮擋人臉和無遮擋人臉的識別率,在無遮擋人臉的識別方面,SVM方法稍好于本文方法,但是在有遮擋人臉的識別方面,本文提出方法要明顯優(yōu)于SVM方法,證明了本文提出方法的有效性。
[Abstract]:......
【學位授予單位】：南京郵電大學
【學位級別】：碩士
【學位授予年份】：2016
【分類號】：TP391.41

【相似文獻】

相關期刊論文 前10條

1 周斌;林喜榮;賈惠波;周永冠;;量化層多生物特征融合的最佳權(quán)值[J];清華大學學報(自然科學版);2008年02期

2 丁寶亮;;基于局部特征融合的人臉識別研究[J];中國新技術(shù)新產(chǎn)品;2012年14期

3 劉增榮;余雪麗;李志;;基于特征融合的圖像情感語義識別研究[J];太原理工大學學報;2012年05期

4 黃雙萍;俞龍;衛(wèi)曉欣;;一種異質(zhì)特征融合分類算法[J];電子技術(shù)與軟件工程;2013年02期

5 劉冰;羅熊;劉華平;孫富春;;光學與深度特征融合在機器人場景定位中的應用[J];東南大學學報(自然科學版);2013年S1期

6 卞志國;金立左;費樹岷;;特征融合與視覺目標跟蹤[J];計算機應用研究;2010年04期

7 韓萍;徐建龍;吳仁彪;;一種新的目標跟蹤特征融合方法[J];中國民航大學學報;2010年04期

8 何賢江;何維維;左航;;一種句詞五特征融合模型的復述研究[J];四川大學學報(工程科學版);2012年06期

9 劉冬梅;;基于特征融合的人臉識別[J];計算機光盤軟件與應用;2013年12期

10 李建科;張輝;趙保軍;張長水;;彩色分量流形特征融合的人臉識別[J];北京理工大學學報;2014年05期

相關會議論文 前7條

1 劉冰;羅熊;劉華平;孫富春;;光學與深度特征融合在機器人場景定位中的應用[A];2013年中國智能自動化學術(shù)會議論文集（第三分冊）[C];2013年

2 翟懿奎;甘俊英;曾軍英;;基于特征融合與支持向量機的偽裝人臉識別[A];第六屆全國信號和智能信息處理與應用學術(shù)會議論文集[C];2012年

3 卞志國;金立左;費樹岷;;基于增量判別分析的特征融合與視覺目標跟蹤[A];2009年中國智能自動化會議論文集（第三分冊）[C];2009年

4 韓文靜;李海峰;韓紀慶;;基于長短時特征融合的語音情感識別方法研究[A];第九屆全國人機語音通訊學術(shù)會議論文集[C];2007年

5 羅昕煒;方世良;;寬帶調(diào)制信號特征融合方法[A];中國聲學學會水聲學分會2013年全國水聲學學術(shù)會議論文集[C];2013年

6 金挺;周付根;白相志;;一種簡單有效的特征融合粒子濾波跟蹤算法[A];2007年光電探測與制導技術(shù)的發(fā)展與應用研討會論文集[C];2007年

7 孟凡潔;孔祥維;尤新剛;;基于特征融合的相機來源認證方法[A];全國第一屆信號處理學術(shù)會議暨中國高科技產(chǎn)業(yè)化研究會信號處理分會籌備工作委員會第三次工作會議�？痆C];2007年

相關博士學位論文 前10條

1 周斌;多生物特征融合理論的研究與實驗[D];清華大學;2007年

2 彭偉民;特征數(shù)據(jù)的量子表示與融合方法[D];華南理工大學;2013年

3 陳倩;多生物特征融合身份識別研究[D];浙江大學;2007年

4 蒲曉蓉;多模態(tài)生物特征融合的神經(jīng)網(wǎng)絡方法[D];電子科技大學;2007年

5 王志芳;基于感知信息的多模態(tài)生物特征融合技術(shù)研究[D];哈爾濱工業(yè)大學;2009年

6 王楠;基于多視覺特征融合的后方車輛檢測技術(shù)研究[D];東北大學　;2009年

7 徐穎;基于特征融合與仿生模式的生物特征識別研究[D];華南理工大學;2013年

8 樊國梁;基于多類特征融合的蛋白質(zhì)亞線粒體定位預測研究[D];內(nèi)蒙古大學;2013年

9 劉金梅;多源遙感影像融合及其應用研究[D];中國海洋大學;2014年

10 張艷;基于柔性陣列 傳感器的足跡特征分析與應用研究[D];安徽大學;2015年

相關碩士學位論文 前10條

1 付艷紅;基于特征融合的人臉識別算法研究與實現(xiàn)[D];天津理工大學;2015年

2 許超;基于特征融合與壓縮感知的實木地板缺陷檢測方法研究[D];東北林業(yè)大學;2015年

3 楊文婷;基于微博的情感分析算法研究與實現(xiàn)[D];西南交通大學;2015年

4 梅尚健;基于特征融合的圖像檢索研究與實現(xiàn)[D];西南交通大學;2015年

5 王鵬飛;基于多慢特征融合的人體行為識別研究[D];西南大學;2015年

6 丁倩;基于語音信息的多特征情緒識別算法研究[D];山東大學;2015年

7 薛冰霞;基于多模特征融合的人體跌倒檢測算法研究[D];山東大學;2015年

8 何樂樂;醫(yī)學圖像分類中的特征融合與特征學習研究[D];電子科技大學;2015年

9 戴博;基于結(jié)構(gòu)復雜度特征融合的視覺注意模型研究及其應用[D];復旦大學;2014年

10 王寧;基于特征融合的人臉識別算法[D];東北大學;2013年

，

本文編號：1769429