人臉識(shí)別技術(shù)是計(jì)算機(jī)視覺等領(lǐng)域內(nèi)的研究熱點(diǎn)之一,其分類識(shí)別的主要依據(jù)是提取出能準(zhǔn)確反映人臉信息的特征。目前在理想環(huán)境下,人臉識(shí)別技術(shù)已經(jīng)很成熟了,但是在現(xiàn)實(shí)情況下,人臉識(shí)別效果還有較大的提升空間,其主要影響因素是光照、表情、遮擋以及多尺度等問題,尤其是對于實(shí)際應(yīng)用場合中距離遠(yuǎn)、運(yùn)動(dòng)等客觀因素造成的模糊人臉的識(shí)別,其效果更不理想。特征提取是人臉識(shí)別過程中最關(guān)鍵的環(huán)節(jié),一個(gè)好的特征提取方法在很大程度上決定了人臉識(shí)別的準(zhǔn)確率。本文針對非理想環(huán)境下人臉識(shí)別存在的問題以及模糊人臉識(shí)別率較低的情況,深入分析了現(xiàn)有的人臉特征提取方法,在Trace變換的基礎(chǔ)上提出了多角度跡線融合特征提取方法。本文的主要貢獻(xiàn)如下:1.提出了一種多角度跡線局部梯度模式特征提取方法,該方法利用局部梯度代替像素的方式對圖像進(jìn)行特征提取,不僅改變了局部梯度模式的特征提取方式,使其在圖像的跡線上從頭到尾“有序”的選取采樣點(diǎn),并進(jìn)行8位二進(jìn)制編碼,同時(shí)還引入圖像旋轉(zhuǎn)思想,圖像每旋轉(zhuǎn)一個(gè)角度,提取一組特征信息,最終提取到“有序”排列的“全局結(jié)構(gòu)性”特征,增強(qiáng)了對圖像特征空間結(jié)構(gòu)性的表達(dá)能力以及旋轉(zhuǎn)不變性。2.針對梯度局部二值模式僅限... 

【文章來源】：東華理工大學(xué)江西省

【文章頁數(shù)】：75 頁

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
Abstract
1 緒論
    1.1 研究背景及意義
    1.2 國內(nèi)外研究現(xiàn)狀
    1.3 常用的人臉數(shù)據(jù)庫
        1.3.1 ORL數(shù)據(jù)庫
        1.3.2 AR數(shù)據(jù)庫
        1.3.3 Yale數(shù)據(jù)庫
    1.4 本文的研究內(nèi)容與組織架構(gòu)
        1.4.1 研究內(nèi)容
        1.4.2 組織架構(gòu)
2 相關(guān)知識(shí)原理概述
    2.1 Radon變換和Trace變換
        2.1.1 Radon變換
        2.1.2 Trace變換
    2.2 人臉識(shí)別中三大主流特征LBP、HOG、Haar
        2.2.1 局部二值模式
        2.2.2 HOG特征
        2.2.3 Haar特征
    2.3 人臉識(shí)別之卷積神經(jīng)網(wǎng)絡(luò)
        2.3.1 卷積層
        2.3.2 池化層
        2.3.3 實(shí)驗(yàn)結(jié)果與分析
    2.4 本章小結(jié)
3 多角度跡線局部梯度模式特征提取及其在人臉識(shí)別中的應(yīng)用研究
    3.1 圖像預(yù)處理
    3.2 多角度跡線局部梯度模式特征提取
    3.3 支持向量機(jī)
    3.4 改進(jìn)方案
    3.5 實(shí)驗(yàn)結(jié)果與分析
        3.5.1 標(biāo)準(zhǔn)人臉數(shù)據(jù)庫上的實(shí)驗(yàn)結(jié)果與分析
        3.5.2 模糊人臉數(shù)據(jù)庫上的實(shí)驗(yàn)結(jié)果與分析
    3.6 本章小結(jié)
4 多角度跡線梯度局部二值模式特征的提取及其在人臉識(shí)別中的應(yīng)用研究
    4.1 多角度跡線梯度局部二值模式特征的提取及其改進(jìn)方案
        4.1.1 多角度跡線梯度局部二值模式特征的提取
        4.1.2 改進(jìn)方案
    4.2 實(shí)驗(yàn)結(jié)果與分析
        4.2.1 標(biāo)準(zhǔn)人臉數(shù)據(jù)庫上的實(shí)驗(yàn)結(jié)果與分析
        4.2.2 模糊人臉數(shù)據(jù)庫上的實(shí)驗(yàn)結(jié)果與分析
    4.3 本章小結(jié)
5 多角度跡線HOG特征的提取及其在人臉識(shí)別中的應(yīng)用研究
    5.1 多角度跡線HOG特征的提取及其改進(jìn)方案
        5.1.1 多角度跡線HOG特征的提取
        5.1.2 改進(jìn)方案
    5.2 實(shí)驗(yàn)結(jié)果與分析
        5.2.1 標(biāo)準(zhǔn)人臉數(shù)據(jù)庫上的實(shí)驗(yàn)結(jié)果與分析
        5.2.2 模糊人臉數(shù)據(jù)庫上的實(shí)驗(yàn)結(jié)果與分析
    5.3 本章小結(jié)
6 總結(jié)與展望
    6.1 總結(jié)
    6.2 展望
致謝
在攻讀學(xué)位期間取得的科研成果
參考文獻(xiàn)


【參考文獻(xiàn)】：
期刊論文
[1]圓跡變換及圖像紋理分析[J]. 汪宇玲,黎明.  電子學(xué)報(bào). 2018(10)
[2]基于Gabor特征融合與LBP直方圖的人臉表情特征提取方法[J]. 牛連強(qiáng),趙子天,張勝男.  沈陽工業(yè)大學(xué)學(xué)報(bào). 2016(01)
[3]基于2DNPP和Trace變換的平面內(nèi)旋轉(zhuǎn)人臉識(shí)別[J]. 施展,杜明輝,梁亞玲.  華南理工大學(xué)學(xué)報(bào)(自然科學(xué)版). 2012(08)
[4]融合LBP和GLCM的紋理特征提取方法[J]. 王國德,張培林,任國全,寇璽.  計(jì)算機(jī)工程. 2012(11)
[5]基于PCA/ICA的人臉特征提取新方法[J]. 范群貞,劉金清.  電子測量技術(shù). 2010(08)
[6]多級(jí)LBP直方圖序列特征的人臉識(shí)別[J]. 高濤,何明一,戴玉超,白磷.  中國圖象圖形學(xué)報(bào). 2009(02)
[7]基于Radon-TVAR的多分量Chirp信號(hào)檢測[J]. 丘建勇,沈民奮,陳和晏.  電子測量與儀器學(xué)報(bào). 2006(05)
[8]人臉識(shí)別中的“誤配準(zhǔn)災(zāi)難”問題研究[J]. 山世光,高文,唱軼鉦,曹波,陳熙霖.  計(jì)算機(jī)學(xué)報(bào). 2005(05)
[9]對稱主分量分析及其在人臉識(shí)別中的應(yīng)用[J]. 楊瓊,丁曉青.  計(jì)算機(jī)學(xué)報(bào). 2003(09)
[10]基于紋理分布和變形模板的面部特征提取[J]. 山世光,高文,陳熙霖.  軟件學(xué)報(bào). 2001(04)

博士論文
[1]基于特征學(xué)習(xí)的人臉識(shí)別研究[D]. 王洪俊.北京郵電大學(xué) 2018
[2]紋理圖像特征提取與分類研究[D]. 許文韜.華東師范大學(xué) 2017
[3]基于局部二值模式的紋理分類研究[D]. 賀永剛.華中科技大學(xué) 2012

碩士論文
[1]基于多特征融合的人臉識(shí)別研究[D]. 張曉兵.西安科技大學(xué) 2018
[2]基于改進(jìn)LBP算子的人臉識(shí)別算法研究[D]. 徐金林.安徽理工大學(xué) 2018
[3]基于多尺度金字塔特征塊提取HOG特征的新型人臉識(shí)別算法[D]. 張昊.吉林大學(xué) 2017



本文編號(hào)：3137530