人臉識(shí)別技術(shù)在計(jì)算機(jī)視覺(jué)和模式識(shí)別領(lǐng)域受到了越來(lái)越多的重視,逐漸成為了一個(gè)熱門話題�，F(xiàn)在,大多數(shù)的人臉圖像是在可見(jiàn)光的條件下拍攝的,而在可見(jiàn)光環(huán)境中,光照條件是多變而且復(fù)雜的。那么人臉識(shí)別的性能就受到了環(huán)境光照變化的影響,因此克服光照變化的影響成為了人臉識(shí)別領(lǐng)域的一個(gè)重要問(wèn)題。由于近紅外光成像對(duì)光照變化的魯棒性,使得近紅外光成像技術(shù)在一定程度上解決了這個(gè)問(wèn)題。在近紅外人臉識(shí)別應(yīng)用中要求注冊(cè)和檢測(cè)的人臉圖像都是在近紅外光照的條件下拍攝的,而實(shí)際應(yīng)用中大量的人臉圖像采用可見(jiàn)光的條件拍攝,例如身份證照片等等。那么實(shí)現(xiàn)可見(jiàn)光人臉圖像和近紅外關(guān)人臉圖像的交叉注冊(cè)和驗(yàn)證便成為了一個(gè)問(wèn)題。因?yàn)槌上竦姆绞讲煌?那么同一個(gè)人的可見(jiàn)光圖像和近紅外圖像存在很多表觀上的差異。但是從人類認(rèn)知的角度講,它們應(yīng)該被識(shí)別為同一個(gè)人,這樣就意味著同一個(gè)人的可見(jiàn)光圖像和近紅外圖像存在著某種關(guān)聯(lián)。本文將從兩個(gè)方面出發(fā),介紹提高可見(jiàn)光和近紅外人臉識(shí)別算法的性能。本文主要有兩個(gè)關(guān)鍵點(diǎn)：1.特征融合方法。在閱讀了大量文獻(xiàn),做了大量相關(guān)實(shí)驗(yàn)后發(fā)現(xiàn)有三種特征在可見(jiàn)光／近紅外人臉識(shí)別方面有較好的性能,即SIFT特征、LBP特征和HOG... 

【文章來(lái)源】：北京交通大學(xué)北京市 211工程院校 教育部直屬院校

【文章頁(yè)數(shù)】：67 頁(yè)

【學(xué)位級(jí)別】：碩士

【文章目錄】：
致謝
摘要
ABSTRACT
序言
1 引言
    1.1 研究的背景和意義
        1.1.1 人臉識(shí)別的研究背景和意義
        1.1.2 可見(jiàn)光/近紅外人臉識(shí)別介紹
    1.2 可見(jiàn)光/近紅外人臉識(shí)別算法概述
        1.2.1 特征提取算法
        1.2.2 子空間方法
    1.3 常用的人臉數(shù)據(jù)庫(kù)
    1.4 論文結(jié)構(gòu)
2 相關(guān)工作
    2.1 異質(zhì)人臉識(shí)別算法
        2.1.1 同質(zhì)合成方法
        2.1.2 不變特征提取
        2.1.3 公共子空間學(xué)習(xí)方法
    2.2 極限學(xué)習(xí)機(jī)
    2.3 多任務(wù)學(xué)習(xí)
3 多特征學(xué)習(xí)
    3.1 SIFT算法的基本理論
        3.1.1 檢測(cè)尺度空間中的極值點(diǎn)
        3.1.2 定位關(guān)鍵點(diǎn)
        3.1.3 確定關(guān)鍵點(diǎn)方向
        3.1.4 描述關(guān)鍵點(diǎn)
    3.2 LBP特征基本理論
        3.2.1 紋理特征
        3.2.2 基本的LBP描述子
        3.2.3 擴(kuò)展的LBP描述子
        3.2.4 LBP描述子的發(fā)展演化
        3.2.5 分塊的LBP特征
        3.2.6 LBP特征的特點(diǎn)
        3.2.7 局部三值模式LTP
    3.3 HOG特征的基本理論
        3.3.1 HOG特征的優(yōu)點(diǎn)
        3.3.2 HOG特征提取算法
    3.4 特征融合算法
        3.4.1 權(quán)值計(jì)算
        3.4.2 連續(xù)性組合和平行性組合
    3.5 多視圖平滑判別分析
    3.6 實(shí)驗(yàn)部分
        3.6.1 實(shí)驗(yàn)設(shè)置
        3.6.2 實(shí)驗(yàn)結(jié)果
    3.7 本章小結(jié)
4 基于ELM的多任務(wù)聚類算法
    4.1 極限學(xué)習(xí)機(jī)
        4.1.1 單隱藏層前饋神經(jīng)網(wǎng)絡(luò)
        4.1.2 極限學(xué)習(xí)機(jī)
    4.2 多任務(wù)學(xué)習(xí)方法
    4.3 基于ELM的多任務(wù)聚類算法
        4.3.1 ELM映射算法
        4.3.2 多任務(wù)聚類方法
    4.4 實(shí)驗(yàn)
        4.4.1 CASIAHFB數(shù)據(jù)庫(kù)實(shí)驗(yàn)
        4.4.2 CASIANIR-VIS 2.0數(shù)據(jù)庫(kù)
        4.4.3 實(shí)驗(yàn)結(jié)果及分析
    4.5 本章總結(jié)
5 可見(jiàn)光/近紅外人臉識(shí)別系統(tǒng)
    5.1 系統(tǒng)功能介紹
    5.2 系統(tǒng)設(shè)計(jì)介紹
        5.2.1 讀取現(xiàn)有圖像識(shí)別
        5.2.2 人臉注冊(cè)功能
        5.2.3 實(shí)時(shí)人臉識(shí)別
    5.3 系統(tǒng)實(shí)現(xiàn)
        5.3.1 開(kāi)發(fā)環(huán)境介紹
        5.3.2 讀取現(xiàn)有圖像識(shí)別
        5.3.3 人臉注冊(cè)功能
        5.3.4 實(shí)時(shí)人臉識(shí)別
6 結(jié)論與展望
    6.1 主要工作及創(chuàng)新點(diǎn)
    6.2 未來(lái)工作展望
參考文獻(xiàn)
作者簡(jiǎn)歷及攻讀碩士學(xué)位期間取得的研究成果
學(xué)位論文數(shù)據(jù)集


【參考文獻(xiàn)】：
期刊論文
[1]人臉圖像的LTP特征提取[J]. 邊后琴.  上海電力學(xué)院學(xué)報(bào). 2013(03)
[2]基于多尺度局部二值模式的人臉識(shí)別[J]. 劉中華,史恒亮,張?zhí)m萍,金忠.  計(jì)算機(jī)科學(xué). 2009(11)
[3]基于SIFT特征的單樣本人臉識(shí)別研究[J]. 許廣毅,王楊.  信息工程大學(xué)學(xué)報(bào). 2008(02)



本文編號(hào)：3003495