本文關(guān)鍵詞：人臉年齡估計(jì)算法的設(shè)計(jì)與實(shí)現(xiàn)

  更多相關(guān)文章： 年齡估計(jì) 深度學(xué)習(xí) 卷積神經(jīng)網(wǎng)絡(luò) 低秩表示 塊對(duì)角

【摘要】：近年來,隨著計(jì)算機(jī)視覺的發(fā)展,人臉識(shí)別技術(shù)成為模式識(shí)別領(lǐng)域非常熱門的一個(gè)研究課題。人臉是人類非常重要的生物學(xué)特征之一,人臉中包含了很多重要的信息,例如身份、性別、年齡、表情、種族等等。在這所有的信息中,人臉顯示出的年齡信息是人類身份識(shí)別的重要依據(jù),并且人臉圖像的年齡估計(jì)在人機(jī)交互、計(jì)算機(jī)視覺、智慧商業(yè)等領(lǐng)域有著非常不錯(cuò)的應(yīng)用前景。因此,人臉年齡估計(jì)引起了越來越多的學(xué)者的關(guān)注。現(xiàn)有的人臉年齡估計(jì)的算法主要從人臉特征與估計(jì)方法兩方面解決人臉圖像的年齡估計(jì)問題。特征方面,Gabor特征、LBP(Local Binary Patterns)特征等基本人臉紋理特征,以及針對(duì)人臉的AAM(Active Appearance Model)特征等都是人臉年齡估計(jì)的常用特征。估計(jì)方法方面,研究學(xué)者大致采用分類與回歸兩種方法解決人臉的年齡估計(jì)問題。但是由于人臉呈現(xiàn)出的年齡受性別、健康狀況等多種因素的影響,不同年齡特征間存在著復(fù)雜的內(nèi)在聯(lián)系等因素,導(dǎo)致對(duì)于人臉年齡估計(jì)的研究存在著很大的難點(diǎn)與挑戰(zhàn)。本論文以解決人臉圖像的年齡估計(jì)問題為出發(fā)點(diǎn),深入研究了兩種人臉年齡估計(jì)的方法,利用FGNET、Morph等數(shù)據(jù)庫進(jìn)行算法驗(yàn)證,并建立一個(gè)實(shí)時(shí)人臉年齡估計(jì)的演示系統(tǒng),實(shí)現(xiàn)人臉年齡的實(shí)時(shí)估計(jì),將算法轉(zhuǎn)化為實(shí)際應(yīng)用。(1)、基于卷積神經(jīng)網(wǎng)絡(luò)的人臉年齡估計(jì)方法。該方法構(gòu)建了一個(gè)多層卷積神經(jīng)網(wǎng)絡(luò),通過卷積神經(jīng)網(wǎng)絡(luò)獲取深度卷積激活特征,作為人臉年齡估計(jì)的特征,并利用支持向量機(jī)(SVM)的方法訓(xùn)練年齡估計(jì)模型,得到年齡估計(jì)結(jié)果。利用Gobar特征與支持向量機(jī)(SVM),基于C++語言與OpenCV開源庫實(shí)現(xiàn)實(shí)時(shí)的人臉年齡估計(jì)系統(tǒng),實(shí)現(xiàn)算法到應(yīng)用的有效轉(zhuǎn)化。(2)、基于結(jié)構(gòu)化的低秩特征表示的人臉年齡估計(jì)方法。該方法采用帶約束的塊對(duì)角化的方法,通過引入塊對(duì)角稀疏正則項(xiàng)學(xué)習(xí)人臉特征的新的區(qū)分力強(qiáng)的低秩特征表示,這種新的特征表示很好地利用相近年齡特征之間的的相似性與結(jié)構(gòu)性,可以提高年齡估計(jì)的準(zhǔn)確率。在學(xué)習(xí)到新的特征表示之后,采用回歸的方法進(jìn)行人臉圖像的年齡估計(jì)。以上年齡估計(jì)的方法都取得了很好的效果,并且基于結(jié)構(gòu)化的低秩特征表示的人臉年齡估計(jì)方法在結(jié)果上優(yōu)于基于卷積神經(jīng)網(wǎng)絡(luò)的人臉年齡估計(jì)方法。
【關(guān)鍵詞】：年齡估計(jì) 深度學(xué)習(xí) 卷積神經(jīng)網(wǎng)絡(luò) 低秩表示 塊對(duì)角
【學(xué)位授予單位】：北京交通大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2016
【分類號(hào)】：TP391.41
【目錄】：

• 致謝5-6
• 摘要6-7
• ABSTRACT7-11
• 1 引言11-17
• 1.1 研究背景及意義11-13
• 1.1.1 研究背景與挑戰(zhàn)11-12
• 1.1.2 應(yīng)用價(jià)值與意義12-13
• 1.2 國內(nèi)外研究現(xiàn)狀13-15
• 1.3 論文主要研究?jī)?nèi)容15-16
• 1.4 論文組織結(jié)構(gòu)16-17
• 2 年齡估計(jì)相關(guān)理論17-30
• 2.1 年齡估計(jì)算法流程17-18
• 2.2 年齡估計(jì)數(shù)據(jù)庫18-21
• 2.2.1 FG-NET數(shù)據(jù)庫18-19
• 2.2.2 Morph數(shù)據(jù)庫19-20
• 2.2.3 其他主流數(shù)據(jù)庫20-21
• 2.3 年齡估計(jì)特征21-26
• 2.3.1 AAM特征21-24
• 2.3.2 BIF特征24-25
• 2.3.3 Gabor特征25-26
• 2.4 年齡估計(jì)方法26-28
• 2.5 年齡估計(jì)評(píng)價(jià)方法28-29
• 2.6 本章小結(jié)29-30
• 3 基于卷積神經(jīng)網(wǎng)絡(luò)的人臉年齡估計(jì)方法30-48
• 3.1 算法提出動(dòng)機(jī)30-31
• 3.2 算法框架31-32
• 3.3 卷積神經(jīng)網(wǎng)絡(luò)基本理論32-34
• 3.4 算法詳細(xì)設(shè)計(jì)34-39
• 3.4.1 卷積神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)及構(gòu)建方法34-36
• 3.4.2 卷積神經(jīng)網(wǎng)絡(luò)訓(xùn)練36-38
• 3.4.3 深度卷積激活特征38-39
• 3.4.4 年齡估計(jì)方法39
• 3.5 實(shí)驗(yàn)設(shè)置與結(jié)果分析39-44
• 3.5.1 實(shí)驗(yàn)設(shè)置40-41
• 3.5.2 實(shí)驗(yàn)結(jié)果分析41-44
• 3.5.3 對(duì)比實(shí)驗(yàn)44
• 3.6 算法的應(yīng)用44-47
• 3.7 本章小結(jié)47-48
• 4 基于結(jié)構(gòu)化的低秩特征表示的人臉年齡估計(jì)方法48-63
• 4.1 低秩矩陣恢復(fù)48-50
• 4.1.1 理論概述48-49
• 4.1.2 理論內(nèi)容49-50
• 4.2 結(jié)構(gòu)化的稀疏低秩表示學(xué)習(xí)50-54
• 4.2.1 問題描述50-52
• 4.2.2 最優(yōu)化求解52-54
• 4.3 年齡估計(jì)的回歸方法54
• 4.4 實(shí)驗(yàn)設(shè)置與結(jié)果分析54-61
• 4.4.1 實(shí)驗(yàn)設(shè)置55-56
• 4.4.2 實(shí)驗(yàn)結(jié)果分析56-61
• 4.5 兩種算法對(duì)比61-62
• 4.6 本章小結(jié)62-63
• 5 總結(jié)與展望63-65
• 5.1 總結(jié)63-64
• 5.2 展望64-65
• 參考文獻(xiàn)65-69
• 作者簡(jiǎn)歷及攻讀碩士學(xué)位期間取得的研究成果69-71
• 學(xué)位論文數(shù)據(jù)集71

【相似文獻(xiàn)】

中國期刊全文數(shù)據(jù)庫 前10條

1 劉波;;“算法設(shè)計(jì)與分析”教學(xué)探討[J];高等理科教育;2007年04期

2 肖小克;陳莉;;《算法設(shè)計(jì)與分析》實(shí)踐教學(xué)探討[J];福建電腦;2009年10期

3 穆瑞輝;;計(jì)算機(jī)算法設(shè)計(jì)研究與思考[J];數(shù)字技術(shù)與應(yīng)用;2012年12期

4 潘博;;構(gòu)建“算法設(shè)計(jì)與分析”趣味課堂[J];科教文匯(下旬刊);2013年06期

5 王希常,楊志強(qiáng);一類考場(chǎng)編排算法的設(shè)計(jì)[J];山東師范大學(xué)學(xué)報(bào)(自然科學(xué)版);2002年04期

6 龍騰芳,高金文;“分而治之”方法在算法設(shè)計(jì)中的應(yīng)用[J];渤海大學(xué)學(xué)報(bào)(自然科學(xué)版);2004年01期

7 呂國英;;《算法設(shè)計(jì)與分析》教材建設(shè)的實(shí)施[J];計(jì)算機(jī)教育;2007年19期

8 徐子珊;;“算法設(shè)計(jì)與分析”教學(xué)中理論與技術(shù)的平衡[J];計(jì)算機(jī)教育;2008年10期

9 鄭紅;邵志清;符海波;;“算法設(shè)計(jì)與分析”課程教學(xué)改革初探[J];計(jì)算機(jī)教育;2008年14期

10 高尚;;“算法設(shè)計(jì)與分析”課程改革初探[J];計(jì)算機(jī)教育;2008年14期

中國重要會(huì)議論文全文數(shù)據(jù)庫 前10條

1 雷詠梅;;橢圓曲線密碼體制的算法設(shè)計(jì)與實(shí)現(xiàn)[A];西部大開發(fā) 科教先行與可持續(xù)發(fā)展——中國科協(xié)2000年學(xué)術(shù)年會(huì)文集[C];2000年

2 楊盤洪;朱軍祥;趙建安;楊靜;;機(jī)動(dòng)目標(biāo)跟蹤的模糊變結(jié)構(gòu)交互多模算法[A];2007'中國儀器儀表與測(cè)控技術(shù)交流大會(huì)論文集（二）[C];2007年

3 徐子珊;;《算法設(shè)計(jì)與分析》課程中的工程教育[A];2005年全國理論計(jì)算機(jī)科學(xué)學(xué)術(shù)年會(huì)論文集[C];2005年

4 王輝;劉治昌;;用一種新算法設(shè)計(jì)的安全系統(tǒng)[A];2007年中國智能自動(dòng)化會(huì)議論文集[C];2007年

5 舒輝;柳清峰;杜祝平;周蓓;;實(shí)踐教學(xué)模式在本科專業(yè)課程教學(xué)中的應(yīng)用[A];中國電子教育學(xué)會(huì)高教分會(huì)2010年論文集[C];2010年

6 彭小宏;陽東升;劉忠;;基于聚類算法的組織協(xié)作網(wǎng)設(shè)計(jì)[A];2006中國控制與決策學(xué)術(shù)年會(huì)論文集[C];2006年

7 李皓;羅熊;;云存儲(chǔ)部署優(yōu)化的進(jìn)化算法設(shè)計(jì)[A];2013年中國智能自動(dòng)化學(xué)術(shù)會(huì)議論文集（第三分冊(cè)）[C];2013年

8 羅長(zhǎng)政;李熙瑩;王鎮(zhèn)波;羅東華;;一種大流量交叉路口的背景提取與更新算法[A];第十五屆全國圖象圖形學(xué)學(xué)術(shù)會(huì)議論文集[C];2010年

9 楊利;李霖;昌月樓;陽國貴;;對(duì)稱位向量及啟發(fā)式并行散列連接算法[A];數(shù)據(jù)庫研究與進(jìn)展95——第十三屆全國數(shù)據(jù)庫學(xué)術(shù)會(huì)議論文集[C];1995年

10 張晉;;嵌入式電腦鼠運(yùn)行算法的研究[A];全國第20屆計(jì)算機(jī)技術(shù)與應(yīng)用學(xué)術(shù)會(huì)議（CACIS·2009）暨全國第1屆安全關(guān)鍵技術(shù)與應(yīng)用學(xué)術(shù)會(huì)議論文集（上冊(cè)）[C];2009年

中國重要報(bào)紙全文數(shù)據(jù)庫 前1條

1 ;算法設(shè)計(jì)的策略[N];電腦報(bào);2003年

中國博士學(xué)位論文全文數(shù)據(jù)庫 前10條

1 谷偉哲;齊次光滑算法及其應(yīng)用[D];天津大學(xué);2010年

2 龍海俠;進(jìn)化算法及其在生物信息中的應(yīng)用[D];江南大學(xué);2010年

3 譚躍;具有混沌局部搜索策略的粒子群優(yōu)化算法研究[D];中南大學(xué);2013年

4 尤海峰;求解隱式目標(biāo)優(yōu)化問題的交互式進(jìn)化算法研究[D];中國科學(xué)技術(shù)大學(xué);2011年

5 張常淳;基于MapReduce的大數(shù)據(jù)連接算法的設(shè)計(jì)與優(yōu)化[D];中國科學(xué)技術(shù)大學(xué);2014年

6 郭崇慧;地區(qū)中長(zhǎng)期發(fā)展規(guī)劃若干定量模型、算法及應(yīng)用研究[D];大連理工大學(xué);2002年

7 蔣蔚;粒子濾波改進(jìn)算法研究與應(yīng)用[D];哈爾濱工業(yè)大學(xué);2010年

8 孫賀;算法設(shè)計(jì)中的若干前沿問題[D];復(fù)旦大學(xué);2009年

9 陳寧濤;基于二分技術(shù)的高效算法設(shè)計(jì)及其應(yīng)用[D];華中科技大學(xué);2006年

10 婁曉文;無符號(hào)基因組切割再粘貼重組問題的算法研究[D];山東大學(xué);2010年

中國碩士學(xué)位論文全文數(shù)據(jù)庫 前10條

1 李欣園;基于選擇偏好的組合聚類算法研究與實(shí)現(xiàn)[D];內(nèi)蒙古大學(xué);2015年

2 楊瀟;界約束非線性最小二乘問題的無導(dǎo)數(shù)算法[D];上海交通大學(xué);2015年

3 王曉璐;基于Zynq的LS-SVM算法加速器設(shè)計(jì)[D];哈爾濱工業(yè)大學(xué);2015年

4 樓磊磊;醫(yī)療保險(xiǎn)數(shù)據(jù)異常行為檢測(cè)算法和系統(tǒng)[D];浙江大學(xué);2015年

5 齊海龍;基于改進(jìn)人工蜂群算法的非線性系統(tǒng)辨識(shí)方法研究[D];北京化工大學(xué);2015年

6 蔡平梅;結(jié)構(gòu)化稀疏信號(hào)的恢復(fù)算法研究[D];上海大學(xué);2015年

7 趙晨陽;基于蟻群算法的高階圖匹配方法研究[D];西安電子科技大學(xué);2014年

8 茍清松;多目標(biāo)粒子濾波檢測(cè)前跟蹤算法研究[D];電子科技大學(xué);2015年

9 李枝勇;蝙蝠算法及其在函數(shù)優(yōu)化中的應(yīng)用研究[D];上海理工大學(xué);2013年

10 李蓮;基于蜂群和粗糙集的聚類算法研究[D];長(zhǎng)沙理工大學(xué);2014年

，

本文編號(hào)：747275