隨著計(jì)算機(jī)和信息技術(shù)的飛速發(fā)展,人臉識(shí)別技術(shù)越來越受到重視。光照、表情、姿態(tài)與噪聲等是影響人臉識(shí)別算法精度的主要因素。本文查閱大量文獻(xiàn),研究LBP及PCA等經(jīng)典的人臉特征提取方法,并針對(duì)二者的不足,提出相應(yīng)的改進(jìn),最后通過實(shí)驗(yàn)進(jìn)行可靠性驗(yàn)證。針對(duì)表情及脈沖類噪聲兩個(gè)因素干擾下人臉識(shí)別率低的問題,提出一種加權(quán)信息熵（IEw）與自適應(yīng)閾值環(huán)形局部二值模式（ATRLBP）算子相結(jié)合的人臉識(shí)別方法（IE（w）ATR-LBP）。首先,從原始人臉圖像分塊提取信息熵,得到每個(gè)子塊的權(quán)值;其次,采用ATRLBP算子,分別對(duì)每個(gè)人臉子塊提取特征得到概率直方圖;最后,將各個(gè)塊的權(quán)值與概率直方圖相乘,再串聯(lián)成為最終的特征直方圖,并采用SVM進(jìn)行識(shí)別。AR人臉庫(kù)算法對(duì)比實(shí)驗(yàn)結(jié)果顯示:IE（w）ATR-LBP方法在表情、光照、遮擋A與遮擋B四個(gè)集分別取得了98.37%、94.17%、98.20%、99.34%的識(shí)別率;ORL人臉庫(kù)算法對(duì)比實(shí)驗(yàn)結(jié)果顯示:IE（w）ATR-LBP方法取得的最大識(shí)別率為99.85%;ORL人臉庫(kù)噪聲實(shí)驗(yàn)結(jié)果顯示:對(duì)比無(wú)噪聲、高斯、椒鹽在5次不同訓(xùn)練樣本實(shí)驗(yàn)下的平均識(shí)別率,高斯對(duì)比無(wú)噪... 

【文章來源】：西南交通大學(xué)四川省 211工程院校 教育部直屬院校

【文章頁(yè)數(shù)】：83 頁(yè)

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
abstract
第1章 緒論
    1.1 人臉識(shí)別研究背景及意義
    1.2 人臉識(shí)別發(fā)展史
        1.2.1 半自動(dòng)人臉識(shí)別階段
        1.2.2 人機(jī)交互式識(shí)別階段
        1.2.3 智能化人臉識(shí)別階段
    1.3 人臉識(shí)別國(guó)內(nèi)外研究
    1.4 人臉識(shí)別研究?jī)?nèi)容
    1.5 人臉識(shí)別研究難點(diǎn)
    1.6 本文的主要工作及內(nèi)容安排
        1.6.1 本文主要研究?jī)?nèi)容
        1.6.2 本文內(nèi)容章節(jié)安排
第2章 人臉檢測(cè)及人臉圖像預(yù)處理
    2.1 人臉檢測(cè)
    2.2 人臉圖像幾何歸一化
    2.3 圖像的光照預(yù)處理
        2.3.1 直方圖均衡化(HE)
        2.3.2 伽馬亮度校正(GIC)
        2.3.3 自商圖(SQI)
        2.3.4 局部歸一化(LN)
        2.3.5 實(shí)驗(yàn)結(jié)果對(duì)比
    2.4 圖像去噪處理
        2.4.1 中值濾波
        2.4.2 均值濾波
        2.4.3 高斯濾波
        2.4.4 實(shí)驗(yàn)結(jié)果及分析
    2.5 國(guó)內(nèi)外通用人臉圖像數(shù)據(jù)庫(kù)
    2.6 本章小結(jié)
第3章 加權(quán)信息熵與增強(qiáng)局部二值模式結(jié)合的人臉識(shí)別
    3.1 局部二值模式(LBP)
    3.2 LBP變體
        3.2.1 等價(jià)LBP模式(UI-LBP)
        3.2.2 旋轉(zhuǎn)不變LBP模式(RI-LBP)
        3.2.3 旋轉(zhuǎn)不變的等價(jià)LBP模式(RIUP-LBP)
        3.2.4 中心對(duì)稱局部二值模式(CS-LBP)
        3.2.5 多尺度塊中心對(duì)稱局部二值模式(MB-CSLBP)
    3.3 圖像直方圖
    3.4 相似度測(cè)定方法
    3.5 加權(quán)信息熵
    3.6 結(jié)合加權(quán)信息熵與增強(qiáng)LBP的人臉識(shí)別
        3.6.1 自適應(yīng)閾值環(huán)形局部二值模式
        3.6.2 結(jié)合IE(w)的ATRLBP特征
        3.6.3 IE(w)ATR-LBP的差值形式與自適應(yīng)閾值確定
    3.7 實(shí)驗(yàn)結(jié)果與分析
        3.7.1 抗噪魯棒性驗(yàn)證
        3.7.2 不同方法對(duì)比驗(yàn)證
    3.8 本章小結(jié)
第4章 采用(2D)~2-PCA降維的ATRLBP人臉識(shí)別
    4.1 特征降維的定義
    4.2 LBP等價(jià)模式的局限性
    4.3 基于PCA的人臉識(shí)別方法
        4.3.1 PCA方法
        4.3.2 PCA在人臉識(shí)別領(lǐng)域的應(yīng)用
        4.3.3 人臉識(shí)別中的PCA與 K-L變換
        4.3.4 特征值的選擇
        4.3.5 距離函數(shù)的選取
        4.3.6 PCA的優(yōu)缺點(diǎn)分析
    4.4 基于2DPCA的人臉識(shí)別方法
        4.4.1 2DPCA的思想與算法
        4.4.2 2DPCA的特征提取
        4.4.3 2DPCA的分類方法
        4.4.4 基于2DPCA的圖像重建
        4.4.5 2DPCA的優(yōu)缺點(diǎn)分析
    4.5 結(jié)合ATRLBP算子與(2D)~2PCA的人臉識(shí)別方法
        4.5.1 列2DPCA(Alternative2DPCA)
        4.5.2 (2D)~2PCA人臉識(shí)別方法
        4.5.3 ATRLBP-(2D)~2PCA人臉識(shí)別方法
        4.5.4 ATRLBP-(2D)~2PCA方法與ATRLBP-UI方法比較
        4.5.5 實(shí)驗(yàn)結(jié)果與分析
    4.6 本章小結(jié)
總結(jié)與展望
致謝
參考文獻(xiàn)
攻讀碩士學(xué)位期間發(fā)表的論文和參加的科研項(xiàng)目


【參考文獻(xiàn)】：
期刊論文
[1]基于LBP卷積神經(jīng)網(wǎng)絡(luò)的面部表情識(shí)別[J]. 江大鵬,楊彪,鄒凌.  計(jì)算機(jī)工程與設(shè)計(jì). 2018(07)
[2]基于稀疏表示與特征融合的人臉識(shí)別方法[J]. 木立生,呂迎春.  現(xiàn)代電子技術(shù). 2018(09)
[3]Gabor特征與深度信念網(wǎng)絡(luò)結(jié)合的人臉識(shí)別方法[J]. 楊瑞,張?jiān)苽?茍爽,支艷利.  傳感器與微系統(tǒng). 2017(05)
[4]一種DCT和ELBP融合的人臉特征提取方法[J]. 王燕,王蕓蕓.  計(jì)算機(jī)工程與應(yīng)用. 2017(04)
[5]加權(quán)局部二值模式的人臉特征提取[J]. 張潔玉,武小川.  中國(guó)圖象圖形學(xué)報(bào). 2014(12)
[6]基于局部Gabor變化直方圖序列的人臉描述與識(shí)別[J]. 張文超,山世光,張洪明,陳杰,陳熙霖,高文.  軟件學(xué)報(bào). 2006(12)
[7]生物特征識(shí)別技術(shù)綜述[J]. 孫冬梅,裘正定.  電子學(xué)報(bào). 2001(S1)
[8]基于膚色和模板的人臉檢測(cè)[J]. 艾海舟,梁路宏,徐光祐,張鈸.  軟件學(xué)報(bào). 2001(12)
[9]中文OCR技術(shù)最新進(jìn)展（續(xù)）[J]. 丁曉青,郭繁夏.  電子出版. 1996(01)

博士論文
[1]基于稀疏表示和局部描述的人臉識(shí)別算法研究[D]. 李志明.天津大學(xué) 2016

碩士論文
[1]基于深度學(xué)習(xí)的人臉識(shí)別方法的研究[D]. 王震.蘭州理工大學(xué) 2018
[2]基于局部二值模式的紋理特征研究與應(yīng)用[D]. 于亞風(fēng).西南交通大學(xué) 2017



本文編號(hào)：3173827