本文關(guān)鍵詞：基于LBP的三維人臉識別，由筆耕文化傳播整理發(fā)布。

【摘要】：人類探尋未知事物的好奇心是推動科技進步的源動力。如今科技已融入生活的方方面面,并逐步改變了人們的生活習慣。其中以人臉識別為代表的生物識別技術(shù)占有十分重要的地位,在許多領(lǐng)域,如:刑事偵查、網(wǎng)上支付、門禁系統(tǒng)等都有十分重要的應(yīng)用。雖然二維人臉識別技術(shù)已趨于成熟,但由于二維數(shù)據(jù)的信息量有限且在采集時易受光照、姿態(tài)、表情等外界因素的干擾,導致其發(fā)展受到一定的阻礙。而三維人臉數(shù)據(jù)不僅包含人臉在三維空間內(nèi)豐富的信息,并且在采集數(shù)據(jù)時受外界因素的影響較小,故人臉識別的研究重心逐漸轉(zhuǎn)向了三維領(lǐng)域。局部二值模式(LBP)是一種優(yōu)秀的局部特征提取方法,其具有特征提取準確、對光照不敏感等優(yōu)點。本文吸取目前幾種人臉識別方法的優(yōu)勢,并在此基礎(chǔ)上加以改進,提出了一種基于融合多維度、多尺度信息的三維人臉LBP特征向量,采用嶺回歸算法訓練分類器,并用標記向量代替特征向量進行分類的三維人臉識別方法。本文完成的工作主要有:1、預處理。二維圖像采用Ada Boost分類器進行人臉檢測,提取出人臉區(qū)域;三維人臉模型先對其進行切割,再對臉部區(qū)域進行投影得到三維人臉深度圖像。2、特征提取。三維人臉特征向量由兩部分組成,一部分來自于三維人臉深度圖像的LBP特征向量;另一部分來自于對應(yīng)二維人臉紋理圖像的多尺度LBP特征向量。先利用小波分解得到不同尺度的二維人臉圖像,再分別利用Uniform模式的LBP算子提取深度圖像與多尺度圖像的特征向量,最終級聯(lián)得到融合多維度、多尺度信息的三維人臉LBP特征向量。3、分類識別。為減少計算復雜度、加快識別速度,采取一種基于特征向量的標記向量估計值的方法進行人臉識別。先利用PCA對三維人臉特征向量進行降維,再利用嶺回歸算法訓練特征向量矩陣與標記向量矩陣得到嶺回歸投影矩陣,最后將待識別人臉特征向量向該矩陣進行投影得到標記向量的估計值,計算估計值與類別標記向量間的距離實現(xiàn)人臉識別。實驗證明該方法可以有效提取三維人臉特征并且具有較高的識別率,對三維人臉識別的發(fā)展具有積極作用。
【關(guān)鍵詞】：局部二值模式 多尺度特征 三維人臉識別 深度圖像 嶺回歸
【學位授予單位】：吉林大學
【學位級別】：碩士
【學位授予年份】：2016
【分類號】：TP391.41
【目錄】：

• 摘要4-5
• Abstract5-10
• 第1章 緒論10-16
• 1.1 研究背景及意義10-11
• 1.2 人臉識別技術(shù)概況11-15
• 1.2.1 二維人臉識別研究現(xiàn)狀11-13
• 1.2.2 三維人臉識別研究現(xiàn)狀13-15
• 1.3 本文的結(jié)構(gòu)安排15-16
• 第2章 人臉數(shù)據(jù)的預處理16-28
• 2.1 二維人臉預處理16-20
• 2.1.1 Ada Boost人臉檢測16-20
• 2.1.2 人臉分塊處理20
• 2.2 三維人臉預處理20-24
• 2.2.1 三維人臉預處理簡介20-21
• 2.2.2 本文采取的預處理方法21-24
• 2.3 三維人臉數(shù)據(jù)庫24-27
• 2.3.1 三維人臉數(shù)據(jù)庫簡介24-25
• 2.3.2 本文采用的數(shù)據(jù)庫25-27
• 2.4 本章小結(jié)27-28
• 第3章 LBP的原理及應(yīng)用28-36
• 3.1 原始LBP算子概述28-29
• 3.1.1 背景介紹28
• 3.1.2 原始LBP算子28-29
• 3.2 改進的LBP算子概述29-33
• 3.2.1 圓形LBP算子29-30
• 3.2.2 LBP的旋轉(zhuǎn)不變模式30-31
• 3.2.3 LBP的等價模式31-33
• 3.3 LBP在人臉識別中的應(yīng)用33-34
• 3.4 LBP的優(yōu)勢以及不足34-35
• 3.5 本章小結(jié)35-36
• 第4章 基于多尺度LBP特征的識別36-45
• 4.1 多尺度LBP特征36-39
• 4.1.1 多尺度特征概述36
• 4.1.2 多級小波分解36-38
• 4.1.3 多尺度特征向量38-39
• 4.2 基于PCA的降維處理39-41
• 4.2.1 PCA方法的介紹39-40
• 4.2.2 特征向量的降維40-41
• 4.3 分類器介紹41-44
• 4.3.1 幾種常見的分類方法41-43
• 4.3.2 本文使用的分類器43-44
• 4.4 本章小節(jié)44-45
• 第5章 實驗設(shè)計與結(jié)果分析45-54
• 5.1 開發(fā)環(huán)境簡介45
• 5.2 實驗設(shè)計45-50
• 5.3 結(jié)果分析50-53
• 5.4 本章小節(jié)53-54
• 第6章 總結(jié)與展望54-57
• 6.1 總結(jié)54-55
• 6.2 展望55-57
• 參考文獻57-62
• 作者簡介及在學期間所取得的科研成果62-63
• 致謝63

【相似文獻】

中國期刊全文數(shù)據(jù)庫 前10條

1 吳通理;鄭建德;;三維人臉識別及其關(guān)鍵技術(shù)[J];福建電腦;2007年02期

2 楊臻;管業(yè)鵬;朱秋煜;;一種自動魯棒的三維人臉重建方法[J];微計算機信息;2007年31期

3 李健;師永剛;;基于標準模型的三維人臉建模與控制[J];陜西科技大學學報(自然科學版);2008年06期

4 羅恒希;陳雷霆;何明耘;;利用對稱性實現(xiàn)三維人臉姿態(tài)的自動估計[J];計算機應(yīng)用研究;2008年07期

5 王躍明;潘綱;吳朝暉;;三維人臉識別研究綜述[J];計算機輔助設(shè)計與圖形學學報;2008年07期

6 胡異丁;朱斌;甘俊英;;基于三維人臉建模的多姿態(tài)人臉識別[J];計算機工程與設(shè)計;2009年07期

7 鄧秋平;趙宇明;;基于單幅正面照片的三維人臉重建方法[J];計算機工程;2010年20期

8 李曄;王映輝;劉晶;;基于脊谷特征提取的三維人臉識別[J];計算機工程與應(yīng)用;2011年12期

9 劉篤晉;孫淑霞;李思明;;一種新的單張照片三維人臉重建方法[J];計算機仿真;2011年09期

10 陸濤;譚曉陽;;改進的三維人臉稠密對齊方法[J];電子科技;2012年07期

中國重要會議論文全文數(shù)據(jù)庫 前7條

1 劉媛媛;孔德慧;尹寶才;;一種真實感三維人臉編輯算法[A];第一屆中國情感計算及智能交互學術(shù)會議論文集[C];2003年

2 林增剛;張艷寧;郭哲;;一種有效的三維人臉識別方法[A];第十二屆中國體視學與圖像分析學術(shù)會議論文集[C];2008年

3 潘仁林;達飛鵬;鄒紅艷;王朝陽;;基于面部曲線彈性匹配的三維人臉識別方法[A];第六屆全國幾何設(shè)計與計算學術(shù)會議論文集[C];2013年

4 剛強;劉萬春;朱玉文;;三維人臉真實感表情的生成[A];第一屆中國情感計算及智能交互學術(shù)會議論文集[C];2003年

5 王元春;劉躍虎;李W毘，

本文編號：379831