本文關(guān)鍵詞：基于分塊集成和協(xié)同表示的快速人臉識別算法研究，，由筆耕文化傳播整理發(fā)布。

【摘要】：人臉識別是模式識別與圖像處理領(lǐng)域的一個長期的研究熱點,盡管現(xiàn)在已有很多人臉識別算法都取得了令人滿意的正確識別率,但其中的大多數(shù)算法有著嚴格的限制條件,如正臉或光照均勻。這些算法在光照、表情變化以及小樣本等復雜條件下的識別性能依然不夠理想,并且很難滿足實時性要求。如何提升復雜背景下的人臉識別準確率并同時兼顧時間效率,是人臉識別領(lǐng)域具有廣泛實用價值和深遠理論意義的研究問題。論文針對光照、表情變化以及小樣本條件下人臉識別問題,提出了基于分塊的集成學習人臉識別框架,能夠很好地平衡復雜背景下人臉識別的性能和效率。該框架主要包括以下三個部分：(1)論文提出的基于旋轉(zhuǎn)不變LBP和梯度方向的光照不敏感的人臉特征增強算法：“GDP-face”,能夠很好地強化人臉特征并消除大部分光照變化帶來的影響。(2)論文提出的快速協(xié)同表示分類器,通過對稀疏表示分類器的改進,能夠在保持識別準確率的同時顯著地減小算法的時間復雜度。(3)基于分塊集成的整體識別算法,將人臉圖像有重疊地劃分區(qū)塊,并應用快速協(xié)同表示分類器在每一個圖像塊上,最后對不同區(qū)塊上的識別結(jié)果進行投票,將票數(shù)最多的類別作為最后的識別結(jié)果,針對表情變化下最后識別結(jié)果得票數(shù)少,識別結(jié)果偏差大的問題,將最后結(jié)果得票數(shù)少的人臉圖像,取其部分表情不敏感的區(qū)塊進行二次投票,得到最終結(jié)果。論文提出的集成學習人臉識別框架分別從人臉特征,分類器以及集成學習角度提升復雜條件下的人臉識別性能,同時快速的人臉特征增強算法以及快速協(xié)同表示分類器使得整個框架有較高的運行效率。通過與其他的基于分塊的人臉識別算法的對比實驗,表明了論文提出的人臉識別框架的有效性。
【關(guān)鍵詞】：人臉識別 分塊集成 協(xié)同表示 小樣本 光照
【學位授予單位】：華東師范大學
【學位級別】：碩士
【學位授予年份】：2016
【分類號】：TP391.41
【目錄】：

• 摘要6-7
• ABSTRACT7-13
• 第一章 緒論13-23
• 1.1 背景與意義13-14
• 1.1.1 研究背景13
• 1.1.2 研究意義13-14
• 1.2 研究現(xiàn)狀和主要難點14-21
• 1.2.1 國內(nèi)外研究現(xiàn)狀14-17
• 1.2.2 人臉識別的技術(shù)難點17-21
• 1.3 研究內(nèi)容與論文結(jié)構(gòu)21-23
• 1.3.1 本文主要研究內(nèi)容21-22
• 1.3.2 論文的章節(jié)安排22-23
• 第二章 光照不敏感的人臉特征增強算法23-31
• 2.1 局部二值模式(LBP)23-25
• 2.2 梯度方向算子25-26
• 2.3 GDP-face26-27
• 2.4 實驗及分析27-30
• 2.4.1 實驗數(shù)據(jù)集27-28
• 2.4.2 實驗設(shè)置及結(jié)果分析28-30
• 2.5 本章小結(jié)30-31
• 第三章 快速協(xié)同表示分類器31-44
• 3.1 稀疏表示原理及在人臉識別中的應用31-35
• 3.1.1 稀疏表示的基本原理31-33
• 3.1.2 稀疏表示在人臉識別中的應用33-35
• 3.2 改進的快速協(xié)同表示分類器35-38
• 3.3 實驗及分析38-42
• 3.3.1 實驗數(shù)據(jù)集38-40
• 3.3.2 實驗性能分析40-41
• 3.3.3 實驗效率分析41-42
• 3.4 本章小結(jié)42-44
• 第四章 基于分塊的集成學習人臉識別框架44-59
• 4.1 集成學習基本理論44-50
• 4.1.1 集成學習簡介44-45
• 4.1.2 集成學習的理論基礎(chǔ)45-46
• 4.1.3 集成學習構(gòu)建方法46-50
• 4.2 基于分塊的集成學習人臉識別框架50-53
• 4.2.1 基于分塊的個體分類器生成方法50-51
• 4.2.2 表情不敏感的兩階段多數(shù)投票結(jié)論合成方法51-52
• 4.2.3 基于分塊的集成學習人臉識別框架52-53
• 4.3 實驗分析53-58
• 4.3.1 參數(shù)設(shè)置53-54
• 4.3.2 性能分析54-57
• 4.3.3 效率分析57-58
• 4.4 本章小結(jié)58-59
• 第五章 總結(jié)與展望59-62
• 5.1 總結(jié)59-60
• 5.2 展望60-62
• 參考文獻62-69
• 致謝69-70
• 攻讀碩士學位期間承擔的科研任務與主要成果70

【相似文獻】

中國期刊全文數(shù)據(jù)庫 前10條

1 王李冬;;一種新的人臉識別算法[J];計算機技術(shù)與發(fā)展;2009年05期

2 桂榮;沈榮鑫;詹泳;;基于模糊神經(jīng)推理的人臉識別算法研究[J];華南師范大學學報(自然科學版);2012年04期

3 蘇士美;王燕;王明霞;;基于加權(quán)小波分解的人臉識別算法研究[J];鄭州大學學報(工學版);2014年01期

4 魏冬梅;周衛(wèi)東;;采用壓縮感知的人臉識別算法[J];計算機工程;2011年18期

5 陳皓;霍星;;視頻監(jiān)控中人臉識別算法穩(wěn)定性的改進[J];工程圖學學報;2011年06期

6 李美瑾;;人臉識別算法綜述與遠程考試系統(tǒng)應用研究[J];廣西廣播電視大學學報;2012年01期

7 盛朝強;王君;;煤礦井下人員簽到系統(tǒng)人臉識別算法研究[J];計算機技術(shù)與發(fā)展;2012年07期

8 朱學毅;王崇駿;周新民;張W

本文編號：274539