人臉識別作為計算機視覺領域的重要研究方向,已經(jīng)廣泛應用于生產(chǎn)和生活中,為生產(chǎn)和生活提供了極大的便利。然而,人臉圖像通常受面部朝向、遮擋、以及表情變化等多種條件的影響,給人臉識別任務帶來了挑戰(zhàn)性。機器學習算法處理高維圖像數(shù)據(jù)容易遭受維度災難問題,同時研究發(fā)現(xiàn)人臉數(shù)據(jù)在空間中具有隱含的流形結構。以流形學習為代表的子空間算法對高維人臉數(shù)據(jù)進行降維獲得其本質的低維特征,降低數(shù)據(jù)維數(shù)避免維度災難問題,同時保留數(shù)據(jù)在原始空間中的流形結構,在人臉識別領域取得了廣泛的應用。以線性判別分析為代表的全局子空間算法使用樣本的全局信息,最大化異類樣本之間的距離、最小化同類樣本之間的距離,取得了較強的判別性能。然而全局子空間算法未使用樣本的局部近鄰結構,無法反映數(shù)據(jù)的本質特點,同時受小樣本問題影響。以流形學習為代表的子空間算法保持樣本的局部近鄰結構,能夠維持反映樣本之間近鄰關系的流形結構。在人臉識別任務中,希望提取具有判別性能的特征、保持數(shù)據(jù)本質的流形結構,需要同時利用樣本的全局類別信息與局部近鄰結構。如何平衡人臉識別任務中保持流形結構與增強判別性能之間的矛盾,是一個值得研究的問題。針對以子空間算法在人臉識別任... 

【文章來源】：華中師范大學湖北省 211工程院校 教育部直屬院校

【文章頁數(shù)】：82 頁

【學位級別】：碩士

【文章目錄】：
摘要
Abstract
第1章 緒論
    1.1 研究背景與意義
    1.2 國內(nèi)外研究現(xiàn)狀
    1.3 本文的創(chuàng)新工作
    1.4 本文的組織結構
第2章 人臉識別相關工作
    2.1 人臉識別技術概述
        2.1.1 基于幾何特征
        2.1.2 基于子空間特征
        2.1.3 基于神經(jīng)網(wǎng)絡
    2.2 子空間算法
        2.2.1 PCA
        2.2.2 LDA
        2.2.3 LPP
    2.3 人臉數(shù)據(jù)集介紹
        2.3.1 ORL數(shù)據(jù)集
        2.3.2 Yale數(shù)據(jù)集
        2.3.3 FERET數(shù)據(jù)集
    2.4 本章小結
第3章 邊界判別投影算法在人臉識別上的應用
    3.1 相關工作
        3.1.1 MMC
        3.1.2 MFA
    3.2 算法介紹
        3.2.1 算法思想
        3.2.2 算法內(nèi)容
        3.2.3 算法復雜度分析
    3.3 人臉數(shù)據(jù)集上的實驗
        3.3.1 ORL數(shù)據(jù)集上的實驗
        3.3.2 Yale數(shù)據(jù)集上的實驗
    3.4 本章小結
第4章 局部敏感判別投影算法在人臉識別上的應用
    4.1 相關工作
        4.1.1 LSDA
        4.1.2 ILSDA
    4.2 算法介紹
        4.2.1 算法思想
        4.2.2 算法內(nèi)容
        4.2.3 算法復雜度分析
    4.3 人臉數(shù)據(jù)集上的實驗
        4.3.1 ORL數(shù)據(jù)集上的實驗
        4.3.2 Yale數(shù)據(jù)集上的實驗
        4.3.3 FERET數(shù)據(jù)集上的實驗
    4.4 本章小結
第5章 相似性與多樣性判別投影在人臉識別上的應用
    5.1 相關工作
        5.1.1 LSDA
        5.1.2 MFA
    5.2 算法介紹
        5.2.1 算法思想
        5.2.2 算法內(nèi)容
        5.2.3 算法復雜度分析
    5.3 人臉數(shù)據(jù)集上的實驗
        5.3.1 ORL數(shù)據(jù)集上的實驗
        5.3.2 Yale數(shù)據(jù)集上的實驗
    5.4 本章小結
第6章 總結與展望
參考文獻
在校期間發(fā)表的論文、科研成果
致謝


【參考文獻】：
期刊論文
[1]深度卷積特征向量用于快速人臉圖像檢索[J]. 李振東,鐘勇,曹冬平.  計算機輔助設計與圖形學學報. 2018(12)
[2]稀疏約束下快速低秩共享的字典學習方法及其人臉識別[J]. 田澤,楊明,李愛師.  計算機研究與發(fā)展. 2018(08)
[3]基于LBP和多層DCT的人臉活體檢測算法[J]. 田野,項世軍.  計算機研究與發(fā)展. 2018(03)
[4]基于流形結構的人臉民族特征研究[J]. 王存睿,張慶靈,段曉東,王元剛,李澤東.  自動化學報. 2018(01)
[5]深度卷積神經(jīng)網(wǎng)絡的發(fā)展及其在計算機視覺領域的應用[J]. 張順,龔怡宏,王進軍.  計算機學報. 2019(03)
[6]有遮擋人臉識別綜述:從子空間回歸到深度學習[J]. 李小薪,梁榮華.  計算機學報. 2018(01)
[7]卷積神經(jīng)網(wǎng)絡研究綜述[J]. 周飛燕,金林鵬,董軍.  計算機學報. 2017(06)
[8]基于條件隨機森林的非約束環(huán)境自然笑臉檢測[J]. 羅珍珍,陳靚影,劉樂元,張坤.  自動化學報. 2018(04)



本文編號：3194460