本文選題：人臉性別識(shí)別 + 特征融合　； 參考：《南京郵電大學(xué)》2016年碩士論文

【摘要】：基于人臉圖像的性別識(shí)別在人機(jī)交互、智能監(jiān)控、視頻檢索等領(lǐng)域中有著廣闊的應(yīng)用前景,近年來(lái)已經(jīng)發(fā)展成為計(jì)算機(jī)視覺(jué)領(lǐng)域的一個(gè)熱點(diǎn)課題。與其它識(shí)別問(wèn)題一樣,人臉性別識(shí)別系統(tǒng)的基本框架需要包括特征描述和分類器設(shè)計(jì)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(bǔ)性,而傳統(tǒng)的人臉性別識(shí)別方法在特征提取方面主要是針對(duì)單一特征,必定會(huì)影響最終的識(shí)別率;另一方面,傳統(tǒng)的性別識(shí)別分類器主要有支持向量機(jī)(Support Vector Machine,SVM)、Adaboost和神經(jīng)網(wǎng)絡(luò)等,由于SVM是針對(duì)二分類問(wèn)題提出的,因此SVM在人臉性別識(shí)別問(wèn)題上被應(yīng)用得最為廣泛,但是這些傳統(tǒng)分類方法對(duì)有部分遮擋人臉的識(shí)別效果并不理想。為了解決上述兩個(gè)問(wèn)題,本文提出將全局特征和局部特征進(jìn)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(yīng)用于人臉識(shí)別領(lǐng)域,其對(duì)于存在光照,表情及遮擋等情況下的人臉識(shí)別具有很強(qiáng)的魯棒性,因此本文將稀疏表示應(yīng)用于人臉性別識(shí)別問(wèn)題中,并在此基礎(chǔ)上引入了類字典和字典學(xué)習(xí)進(jìn)一步提高了識(shí)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(shí)別方法。綜述了目前在人臉性別識(shí)別領(lǐng)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(shí)別方法。首先,鑒于稀疏表示在人臉識(shí)別領(lǐng)域中的成功應(yīng)用,本文將稀疏表示應(yīng)用于人臉性別識(shí)別問(wèn)題中,提出了基于宏字典的稀疏人臉性別識(shí)別方法。然后,在基于宏字典的稀疏人臉性別識(shí)別方法基礎(chǔ)上,提出了基于類字典的稀疏人臉性別識(shí)別改進(jìn)方法。最后,分別基于PCA、LBP和2D-Gabor特征,在CAS-PEAL人臉庫(kù)上比較了兩種方法的識(shí)別率,通過(guò)實(shí)驗(yàn)證明了在單特征條件下,基于類字典的稀疏人臉性別識(shí)別方法識(shí)別效果更好。(3)提出了基于特征融合和類字典學(xué)習(xí)的新型稀疏人臉性別識(shí)別方法。首先,由于全局特征和局部特征在表征人臉?lè)矫孀饔貌煌揖哂谢パa(bǔ)性,本文將全局特征和局部特征進(jìn)行融合,使用融合特征作為人臉的描述特征,通過(guò)實(shí)驗(yàn)證明融合特征的識(shí)別率較單一特征要高。然后,由于不經(jīng)過(guò)字典學(xué)習(xí)的類字典對(duì)于訓(xùn)練數(shù)據(jù)的表征能力有限,本文通過(guò)字典學(xué)習(xí)算法得到經(jīng)過(guò)學(xué)習(xí)的類字典并將其應(yīng)用于人臉性別分類,通過(guò)實(shí)驗(yàn)比較了未經(jīng)過(guò)學(xué)習(xí)的類字典和分別經(jīng)過(guò)三種字典學(xué)習(xí)算法得到的類字典的識(shí)別率,證明了經(jīng)過(guò)學(xué)習(xí)的類字典的識(shí)別率較未經(jīng)過(guò)學(xué)習(xí)的類字典更高并且通過(guò)RLS-DLA算法得到的類字典的識(shí)別率最高。接著,本文介紹了在稀疏表示識(shí)別問(wèn)題中三種常用的稀疏表示向量求解方法,并從識(shí)別率和計(jì)算時(shí)間兩個(gè)方面對(duì)這三種方法進(jìn)行了比較實(shí)驗(yàn),發(fā)現(xiàn)正交匹配追蹤算法的綜合性能最好。最后,通過(guò)實(shí)驗(yàn)比較了本文方法與SVM方法分別對(duì)有遮擋人臉和無(wú)遮擋人臉的識(shí)別率,在無(wú)遮擋人臉的識(shí)別方面,SVM方法稍好于本文方法,但是在有遮擋人臉的識(shí)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(xué)位授予單位】：南京郵電大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2016
【分類號(hào)】：TP391.41

【相似文獻(xiàn)】

相關(guān)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(xué)學(xué)報(bào)(自然科學(xué)版);2008年02期

2 丁寶亮;;基于局部特征融合的人臉識(shí)別研究[J];中國(guó)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(yǔ)義識(shí)別研究[J];太原理工大學(xué)學(xué)報(bào);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(xué)與深度特征融合在機(jī)器人場(chǎng)景定位中的應(yīng)用[J];東南大學(xué)學(xué)報(bào)(自然科學(xué)版);2013年S1期

6 卞志國(guó);金立左;費(fèi)樹岷;;特征融合與視覺(jué)目標(biāo)跟蹤[J];計(jì)算機(jī)應(yīng)用研究;2010年04期

7 韓萍;徐建龍;吳仁彪;;一種新的目標(biāo)跟蹤特征融合方法[J];中國(guó)民航大學(xué)學(xué)報(bào);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(fù)述研究[J];四川大學(xué)學(xué)報(bào)(工程科學(xué)版);2012年06期

9 劉冬梅;;基于特征融合的人臉識(shí)別[J];計(jì)算機(jī)光盤軟件與應(yīng)用;2013年12期

10 李建科;張輝;趙保軍;張長(zhǎng)水;;彩色分量流形特征融合的人臉識(shí)別[J];北京理工大學(xué)學(xué)報(bào);2014年05期

相關(guān)會(huì)議論文 前7條

1 劉冰;羅熊;劉華平;孫富春;;光學(xué)與深度特征融合在機(jī)器人場(chǎng)景定位中的應(yīng)用[A];2013年中國(guó)智能自動(dòng)化學(xué)術(shù)會(huì)議論文集（第三分冊(cè)）[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(jī)的偽裝人臉識(shí)別[A];第六屆全國(guó)信號(hào)和智能信息處理與應(yīng)用學(xué)術(shù)會(huì)議論文集[C];2012年

3 卞志國(guó);金立左;費(fèi)樹岷;;基于增量判別分析的特征融合與視覺(jué)目標(biāo)跟蹤[A];2009年中國(guó)智能自動(dòng)化會(huì)議論文集（第三分冊(cè)）[C];2009年

4 韓文靜;李海峰;韓紀(jì)慶;;基于長(zhǎng)短時(shí)特征融合的語(yǔ)音情感識(shí)別方法研究[A];第九屆全國(guó)人機(jī)語(yǔ)音通訊學(xué)術(shù)會(huì)議論文集[C];2007年

5 羅昕煒;方世良;;寬帶調(diào)制信號(hào)特征融合方法[A];中國(guó)聲學(xué)學(xué)會(huì)水聲學(xué)分會(huì)2013年全國(guó)水聲學(xué)學(xué)術(shù)會(huì)議論文集[C];2013年

6 金挺;周付根;白相志;;一種簡(jiǎn)單有效的特征融合粒子濾波跟蹤算法[A];2007年光電探測(cè)與制導(dǎo)技術(shù)的發(fā)展與應(yīng)用研討會(huì)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(jī)來(lái)源認(rèn)證方法[A];全國(guó)第一屆信號(hào)處理學(xué)術(shù)會(huì)議暨中國(guó)高科技產(chǎn)業(yè)化研究會(huì)信號(hào)處理分會(huì)籌備工作委員會(huì)第三次工作會(huì)議�？痆C];2007年

相關(guān)博士學(xué)位論文 前10條

1 周斌;多生物特征融合理論的研究與實(shí)驗(yàn)[D];清華大學(xué);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(xué);2013年

3 陳倩;多生物特征融合身份識(shí)別研究[D];浙江大學(xué);2007年

4 蒲曉蓉;多模態(tài)生物特征融合的神經(jīng)網(wǎng)絡(luò)方法[D];電子科技大學(xué);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(xué);2009年

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

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

8 樊國(guó)梁;基于多類特征融合的蛋白質(zhì)亞線粒體定位預(yù)測(cè)研究[D];內(nèi)蒙古大學(xué);2013年

9 劉金梅;多源遙感影像融合及其應(yīng)用研究[D];中國(guó)海洋大學(xué);2014年

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

相關(guān)碩士學(xué)位論文 前10條

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

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

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

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

5 王鵬飛;基于多慢特征融合的人體行為識(shí)別研究[D];西南大學(xué);2015年

6 丁倩;基于語(yǔ)音信息的多特征情緒識(shí)別算法研究[D];山東大學(xué);2015年

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

8 何樂(lè)樂(lè);醫(yī)學(xué)圖像分類中的特征融合與特征學(xué)習(xí)研究[D];電子科技大學(xué);2015年

9 戴博;基于結(jié)構(gòu)復(fù)雜度特征融合的視覺(jué)注意模型研究及其應(yīng)用[D];復(fù)旦大學(xué);2014年

10 王寧;基于特征融合的人臉識(shí)別算法[D];東北大學(xué);2013年

，

本文編號(hào)：1769429