二十一世紀(jì)人工智能和互聯(lián)網(wǎng)行業(yè)在飛速發(fā)展,而機(jī)器視覺是人工智能正在飛速發(fā)展的一個(gè)分支,其應(yīng)用遍布各個(gè)領(lǐng)域,如:工業(yè)、農(nóng)業(yè)、醫(yī)藥、軍事、航天等,機(jī)器視覺就是用機(jī)器代替人眼來做測(cè)量和判斷。近年來,人臉識(shí)別一直是機(jī)器視覺、模式識(shí)別和圖像處理領(lǐng)域的研究熱點(diǎn)之一,是基于人臉的特征信息進(jìn)行身份識(shí)別的一種生物識(shí)別技術(shù),在身份鑒定、監(jiān)控系統(tǒng)、企業(yè)及住宅安全和管理、公安司法搜捕逃犯、自助服務(wù)等領(lǐng)域進(jìn)行廣泛應(yīng)用。素描人臉識(shí)別是根據(jù)素描人臉進(jìn)行識(shí)別的人臉識(shí)別。素描人臉識(shí)別主要在公安司法案件偵破中進(jìn)行應(yīng)用,在案件沒有犯罪嫌疑人的確定照片時(shí),通過對(duì)素描圖片與人臉照片的比對(duì),可以幫助調(diào)查者鎖定或縮小犯罪嫌疑人的范圍。目前,素描人臉識(shí)別的研究備受關(guān)注。早期的單特征素描人臉識(shí)別方法,采用的是單個(gè)全局特征或者單個(gè)局部特征,對(duì)特征信息使用存在明顯不足。近年來,多特征素描人臉識(shí)別方法成為熱門研究方向,在識(shí)別效果上取得了很大的進(jìn)展,但依然存在很多問題,比如識(shí)別準(zhǔn)確率仍有提升空間等。本文結(jié)合全局特征和局部特征,采用多特征融合的方式進(jìn)行素描人臉識(shí)別。主要工作如下:（1）現(xiàn)有的采用基于多全局特征提取的素描人臉識(shí)別,對(duì)圖像的人臉表情... 

【文章來源】：西南大學(xué)重慶市 211工程院校 教育部直屬院校

【文章頁數(shù)】：63 頁

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
Abstract
第1章 緒論
    1.1 研究背景及意義
    1.2 國內(nèi)外研究現(xiàn)狀
    1.3 主要工作
    1.4 論文結(jié)構(gòu)
第2章 相關(guān)理論及技術(shù)
    2.1 預(yù)處理
        2.1.1 圖片像素值修改
        2.1.2 灰度化處理
        2.1.3 Gamma校正
    2.2 特征提取
        2.2.1 HOG(方向梯度直方圖)特征提取
        2.2.2 LBP(局部二值模式)特征提取
        2.2.3 分塊LBP特征提取
    2.3 常用數(shù)據(jù)庫及評(píng)價(jià)指標(biāo)
        2.3.1 常用數(shù)據(jù)庫
        2.3.2 評(píng)價(jià)指標(biāo)
    2.4 小結(jié)
第3章 多特征融合的素描人臉識(shí)別方法
    3.1 識(shí)別框架
    3.2 圖像預(yù)處理
        3.2.1 圖片像素修改
        3.2.2 灰度化處理
        3.2.3 Gamma校正
    3.3 特征提取
        3.3.1 提取方向梯度直方圖特征
        3.3.2 提取局部二值模式特征
        3.3.3 提取分塊局部二值模式特征
    3.4 得到最終匹配圖片
    3.5 算法流程
    3.6 實(shí)驗(yàn)
        3.6.1 實(shí)驗(yàn)環(huán)境與實(shí)驗(yàn)數(shù)據(jù)
        3.6.2 實(shí)驗(yàn)內(nèi)容
        3.6.3 實(shí)驗(yàn)結(jié)果與分析
    3.7 小結(jié)
第4章 加權(quán)多特征融合的素描人臉識(shí)別方法
    4.1 加權(quán)多特征融合素描人臉識(shí)別方法一
        4.1.1 加權(quán)多特征融合素描人臉識(shí)別方法一框架
        4.1.2 圖片預(yù)處理
        4.1.3 特征提取
        4.1.4 得到最終匹配圖片
        4.1.5 算法流程
    4.2 加權(quán)多特征融合素描人臉識(shí)別方法二
        4.2.1 加權(quán)多特征融合素描人臉識(shí)別方法二框架
        4.2.2 圖片預(yù)處理
        4.2.3 特征提取
        4.2.4 得到最終匹配圖片
        4.2.5 算法流程
    4.3 實(shí)驗(yàn)
        4.3.1 實(shí)驗(yàn)環(huán)境與實(shí)驗(yàn)數(shù)據(jù)
        4.3.2 實(shí)驗(yàn)內(nèi)容
        4.3.3 實(shí)驗(yàn)結(jié)果與分析
    4.4 小結(jié)
第5章 總結(jié)與展望
    5.1 工作總結(jié)
    5.2 進(jìn)一步工作
參考文獻(xiàn)
致謝
攻讀碩士學(xué)位期間公開發(fā)表的論文


【參考文獻(xiàn)】：
期刊論文
[1]結(jié)合改進(jìn)Surf特征的素描人臉識(shí)別[J]. 曹林,李猛,張華.  計(jì)算機(jī)工程與應(yīng)用. 2018(21)
[2]基于顏色和邊緣特征自適應(yīng)融合的人臉跟蹤算法[J]. 周平平,萬洪林,劉慧,李天平.  中國科學(xué)技術(shù)大學(xué)學(xué)報(bào). 2017(10)
[3]超分辨率重建的素描人臉識(shí)別[J]. 趙京晶,方琪,梁植程,胡長勝,楊福猛,詹曙.  中國圖象圖形學(xué)報(bào). 2016 (02)
[4]人臉識(shí)別技術(shù)在智能快遞箱身份認(rèn)證中的應(yīng)用研究[J]. 劉芮,李中梅,宋雅靜,張更路.  電腦編程技巧與維護(hù). 2016(02)
[5]基于全局與局部特征的嵌入式人臉識(shí)別系統(tǒng)[J]. 陳志勇,彭力,張紀(jì)寬.  江南大學(xué)學(xué)報(bào)(自然科學(xué)版). 2015(03)
[6]分塊LBP的素描人臉識(shí)別[J]. 周汐,曹林.  中國圖象圖形學(xué)報(bào). 2015(01)
[7]基于SURF和快速近似最近鄰搜索的圖像匹配算法[J]. 趙璐璐,耿國華,李康,何阿靜.  計(jì)算機(jī)應(yīng)用研究. 2013(03)
[8]基于Gabor小波變換與分塊PCA的人臉識(shí)別[J]. 王憲,陸友桃,宋書林,平雪良,許騰.  計(jì)算機(jī)工程與應(yīng)用. 2012(03)
[9]基于改進(jìn)SIFT算法的圖像匹配方法[J]. 程德志,李言俊,余瑞星.  計(jì)算機(jī)仿真. 2011(07)
[10]基于全局和局部特征集成的人臉識(shí)別[J]. 蘇煜,山世光,陳熙霖,高文.  軟件學(xué)報(bào). 2010(08)

博士論文
[1]面向素描的異質(zhì)人臉識(shí)別[D]. 歐陽書馨.北京郵電大學(xué) 2017
[2]人臉畫像—照片的合成與識(shí)別方法研究[D]. 肖冰.西安電子科技大學(xué) 2010

碩士論文
[1]素描人臉合成與識(shí)別研究[D]. 姚賽賽.山東大學(xué) 2018
[2]基于深度遷移學(xué)習(xí)的素描人臉識(shí)別研究與實(shí)現(xiàn)[D]. 周思洋.北京信息科技大學(xué) 2018
[3]基于LBP多特征融合的人臉表情識(shí)別[D]. 鐘巖.哈爾濱理工大學(xué) 2016
[4]照片/素描及跨年齡階段異質(zhì)人臉的識(shí)別研究[D]. 王開芳.山東大學(xué) 2015
[5]基于HOG特征的人臉識(shí)別系統(tǒng)研究[D]. 慕春雷.電子科技大學(xué) 2013
[6]基于HOG-LBP特征的人臉識(shí)別[D]. 郝曉康.南京理工大學(xué) 2012
[7]基于LBP的人臉識(shí)別研究[D]. 黃非非.重慶大學(xué) 2009
[8]基于畫像的人臉識(shí)別方法研究[D]. 張英武.西安電子科技大學(xué) 2005



本文編號(hào)：3183521