當(dāng)今社會,人們對個人信息安全的要求越來越高,而傳統(tǒng)的密碼、鑰匙等安全措施已經(jīng)不能滿足人們對信息安全的要求,于是生物特征識別技術(shù)應(yīng)運(yùn)而生。該項(xiàng)技術(shù)以人體的結(jié)構(gòu)特征信息作為依據(jù)對人員身份進(jìn)行識別,包括指紋識別、聲音識別、面部識別、虹膜識別、視網(wǎng)膜識別、人臉識別等技術(shù),其中人臉識別技術(shù)是近些年來最受關(guān)注的研究方向之一。由于每個人臉部的獨(dú)特性,人臉識別技術(shù)成為鑒別個體身份的重要技術(shù),被廣泛應(yīng)用于各個領(lǐng)域。雖然人臉識別技術(shù)已經(jīng)被廣泛使用,但是這項(xiàng)技術(shù)仍然面臨著諸多的挑戰(zhàn),如光照的變化、不同程度的遮擋和豐富的面部表情等因素都會影響人臉識別的效果,因此,如何更好地表示人臉圖像和提高其識別正確率成為學(xué)術(shù)界研究的熱點(diǎn),基于此,本文針對人臉圖像的表示方法和多特征融合方法展開了深入研究。主要研究內(nèi)容包括以下幾個方面:（1）針對傳統(tǒng)單特征下基于表示誤差的稀疏分類方法缺乏對樣本信息的全面描述問題,本文提出一種使用多種特征進(jìn)行人臉識別的方法。該方法首先利用二維主成分分析（Two Dimensional Principal Component Analysis,2DPCA）方法提取人臉表象特征;其次,使用快速傅里葉... 

【文章來源】：哈爾濱理工大學(xué)黑龍江省

【文章頁數(shù)】：96 頁

【學(xué)位級別】：博士

【文章目錄】：
摘要
Abstract
第1章 緒論
    1.1 研究背景及意義
    1.2 人臉識別問題描述
    1.3 國內(nèi)外研究現(xiàn)狀及分析
        1.3.1 人臉檢測技術(shù)現(xiàn)狀分析
        1.3.2 關(guān)鍵點(diǎn)檢測技術(shù)現(xiàn)狀分析
        1.3.3 人臉識別技術(shù)現(xiàn)狀分析
    1.4 人臉識別技術(shù)中存在的問題與挑戰(zhàn)
    1.5 課題來源及研究內(nèi)容
        1.5.1 課題來源
        1.5.2 論文研究內(nèi)容
    1.6 本文的組織結(jié)構(gòu)
第2章 人臉識別相關(guān)理論
    2.1 引言
    2.2 虛擬樣本
    2.3 分類算法
        2.3.1 基于表示的分類方法
        2.3.2 最小平方誤差分類方法
    2.4 本章小結(jié)
第3章 基于表象特征和頻譜特征的人臉識別方法
    3.1 引言
    3.2 人臉圖像的多種特征提取方法
        3.2.1 基于二維主成分分析的表象特征提取
        3.2.2 基于快速傅里葉變換的頻譜特征提取
    3.3 多種特征的融合及分類方法
        3.3.1 一般的稀疏表示分類方法
        3.3.2 協(xié)同的稀疏表示分類方法
        3.3.3 多種方法的人臉圖像得分融合和分類
    3.4 實(shí)驗(yàn)及結(jié)果分析
        3.4.1 ORL數(shù)據(jù)集上實(shí)驗(yàn)
        3.4.2 GT數(shù)據(jù)集上實(shí)驗(yàn)
        3.4.3 AR數(shù)據(jù)集上實(shí)驗(yàn)
    3.5 本章小結(jié)
第4章 基于近鄰樣本虛擬圖像的分組融合稀疏表示人臉識別方法
    4.1 引言
    4.2 虛擬樣本的生成方法
        4.2.1 虛擬樣本功能分析
        4.2.2 基于近鄰樣本的虛擬樣本生成方法
    4.3 分組稀疏表示方法
    4.4 實(shí)驗(yàn)及結(jié)果分析
        4.4.1 ORL數(shù)據(jù)集上實(shí)驗(yàn)
        4.4.2 FERET數(shù)據(jù)集上實(shí)驗(yàn)
        4.4.3 CMU-PIE數(shù)據(jù)集上實(shí)驗(yàn)
        4.4.4 Libor數(shù)據(jù)集上實(shí)驗(yàn)
        4.4.5 兩個殘差的叉積優(yōu)勢分析
        4.4.6 與其它傳統(tǒng)方法的對比分析
        4.4.7 與機(jī)器學(xué)習(xí)方法的對比分析
        4.4.8 結(jié)果分析
    4.5 本章小結(jié)
第5章 基于殘差虛擬樣本和類內(nèi)距離融合的人臉識別方法
    5.1 引言
    5.2 基于殘差虛擬樣本生成方法
    5.3 基于類內(nèi)距離的優(yōu)化方法
        5.3.1 問題分析
        5.3.2 目標(biāo)函數(shù)優(yōu)化方法
        5.3.3 目標(biāo)函數(shù)優(yōu)化流程
    5.4 實(shí)驗(yàn)結(jié)果及分析
        5.4.1 方法可視化分析
        5.4.2 ORL人臉數(shù)據(jù)集上實(shí)驗(yàn)
        5.4.3 GT人臉數(shù)據(jù)集上實(shí)驗(yàn)
        5.4.4 AR人臉數(shù)據(jù)集上實(shí)驗(yàn)
    5.5 本章小結(jié)
結(jié)論
參考文獻(xiàn)
攻讀學(xué)位期間發(fā)表的學(xué)術(shù)論文
致謝


【參考文獻(xiàn)】：
期刊論文
[1]抗年齡干擾的人臉識別[J]. 吳長虹,蘇劍波,陳葉飛.  電子學(xué)報. 2018(07)
[2]融合顯著信息的層次特征學(xué)習(xí)圖像分類[J]. 祝軍,趙杰煜,董振宇.  計算機(jī)研究與發(fā)展. 2014(09)
[3]基于稀疏編碼多尺度空間潛在語義分析的圖像分類[J]. 趙仲秋,季海峰,高雋,胡東輝,吳信東.  計算機(jī)學(xué)報. 2014(06)
[4]融合顯著信息的LDA極光圖像分類[J]. 韓冰,楊辰,高新波.  軟件學(xué)報. 2013(11)
[5]一種視頻雨滴檢測與消除的方法[J]. 董蓉,李勃,陳啟美.  自動化學(xué)報. 2013(07)
[6]一種受雨滴污染視頻的快速分析方法[J]. 劉鵬,徐晶,劉家鋒,唐降龍.  自動化學(xué)報. 2010(10)
[7]單樣本人臉識別中的虛擬樣本擴(kuò)展方法研究[J]. 孫士明,王芹芹,紀(jì)友芳.  微計算機(jī)應(yīng)用. 2010(09)
[8]一種復(fù)雜背景中的人臉檢測與驗(yàn)證方法[J]. 章品正,趙洪玉,梁曉云,舒華忠,徐琴珍.  數(shù)據(jù)采集與處理. 2004(01)
[9]使用關(guān)鍵點(diǎn)信息改進(jìn)彈性匹配人臉識別算法[J]. 丁嶸,蘇光大,林行剛.  電子學(xué)報. 2002(09)
[10]基于虹膜識別的身份鑒別[J]. 王蘊(yùn)紅,朱勇,譚鐵牛.  自動化學(xué)報. 2002(01)

碩士論文
[1]基于稀疏表示的人臉識別方法研究[D]. 施靜蘭.廣西大學(xué) 2015



本文編號：3156658