人臉識別相比其他生物特征識別方式具有無侵害、無接觸、無需被動配合及可擴展等特性,被廣泛的應用于各種領域。人臉識別發(fā)展迅速,識別技術相對成熟,但人臉識別會受到光照、表情、姿態(tài)等因素的影響,仍有較多的難點需要攻克。局部二值模式（Local Binary Pattems,LBP）算法具有對光照不敏感、簡單易懂等特性在人臉識別技術中具有較高研究價值。本文在LBP算法的基礎上進行改進,主要工作如下所示:（1）LBP算法計算過程中僅考慮鄰域與中心像素灰度值的大小關系,忽略了圖像像素灰度均值與行、列、對角線的相關性,易受噪聲及邊緣點的影響。本文提出一種多重均勻局部二值模式（Multiple Uniform Local Binary Patterns,MULBP）算法。首先計算中心像素灰度值與行、列、對角線像素灰度值的和,再分別求取均值,然后與圖像灰度均值進行大小比較,獲取圖像的二進制編碼,提取直方圖特征。實驗表明能夠在一定程度上消除噪聲及邊緣點對識別結果的影響。（2）二維線性判別分析（Two Dimensional Lineardiscriminantanalysis,2DLDA）算法描述圖像全局特... 

【文章來源】：安徽理工大學安徽省

【文章頁數(shù)】：59 頁

【學位級別】：碩士

【部分圖文】：

圖１生＿正卿】技術??Ｆｉｇｕｒｅ?１?ｂｉｏｍｅｔｒｉｃ?ｒｅｃｏｇｎｉｔｉｏｎ?ｔｅｃｈｎｏｌｏｇｙ??

１．３人月射只別研麵狀??一個完整的識別整體上可以從４個技術方面進行介紹。圖像的采集［１８］、人臉檢測［１９］、??特征提取ＰＱ］、分類ｐｌ］四個部分的技術，如圖２所示。??Ａ?！?｜?人臉識別系統(tǒng)?｜?｜??Ｑ?？Ｉ圖像采集丨［＾＞丨人臉檢測丨［ｚ＞｜特征提取丨＾）｜分類識別??Ｓ???■??圖２人臉ｉＰ娜形孫統(tǒng)??Ｆｉｇｕｒｅ２?ｆａｃｅ?ｒｅｃｏｇｎｉｔｉｏｎ?ｒｅｓｅａｒｃｈ?ｓｙｓｔｅｍ??人臉圖像的采集，一般情況下是通過一定的攝像設備在某些情況下抓取人臉部的圖像。??另夕卜一種采集方式是將原先己采集過的多幅人臉圖像輸入人臉識別的系統(tǒng)，系統(tǒng)對輸入的??圖像進行采集。Ａｌｔ檢測主要是將獲取到的圖像進行整體＾廓的判斷，一方面判斷圖片是??否為人臉，另一方面通過系統(tǒng)定位出人臉圖像的相對位置，圖像格式大小等。由于人臉圖??片獲取的結果會導致圖片的質量受損，需要對獲取圖片采取一系列不同方法處理以達到自??己所需求實驗的條件，這種對圖片進碰處理的方法翻多利于人臉的特征提取。人臉的識??另ＬＩ過程特征提取這一環(huán)節(jié)非常重要。這個步驟將人＾不同位置各具有什么特？４行提取，??提聰吉果的齡祕腺識別率

圖３論范綱圖??Ｆｉｇｕｒｅ３?ｓｔｒｕｃｔｕｒｅ?ｄｉａｇｒａｍ?ｏｆ?ｔｈｉｓ?ｐａｐｅｒ??ｉ章概述了人臉識別的研究背景與意義，介紹了人臉識別的發(fā)展歷程及研究現(xiàn)狀，??了本文的主要研宄內容及框架。??。

【參考文獻】：
期刊論文
[1]基于深度卷積神經(jīng)網(wǎng)絡的人臉識別技術綜述[J]. 景晨凱,宋濤,莊雷,劉剛,王樂,劉凱倫.  計算機應用與軟件. 2018(01)
[2]基于粒子群優(yōu)化的支持向量機人臉識別[J]. 廖周宇,王鈺婷,謝曉蘭,劉建明.  計算機工程. 2017(12)
[3]采用新型紋理特征的2DLDA人臉識別算法[J]. 朱建清,葛主貝,曾煥強,陳婧,蔡燦輝.  信號處理. 2017(06)
[4]基于多種LBP特征集成學習的人臉識別[J]. 何云,吳懷宇,鐘銳.  計算機應用研究. 2018(01)
[5]局部均勻模式描述和雙加權融合的人臉識別[J]. 任福繼,李艷秋,許良鳳,胡敏,王曉華.  中國圖象圖形學報. 2016(05)
[6]一種基于多維正交判別子空間投影的人臉識別方法[J]. 熊維,張樂飛,杜博.  武漢大學學報(信息科學版). 2015(05)
[7]基于ULBP特征子空間的2DLDA人臉識別方法[J]. 吳煌鵬,戴聲奎.  模式識別與人工智能. 2014(10)
[8]自適應閾值及加權局部二值模式的人臉識別[J]. 張潔玉,趙鴻萍,陳曙.  電子與信息學報. 2014(06)
[9]一種基于局部描述符的三維人臉識別方法[J]. 徐俊,達飛鵬.  模式識別與人工智能. 2012(01)



本文編號：2958081