發(fā)布時間：2021-07-23 13:18

　　寵物狗行業(yè)的不斷繁榮發(fā)展,對國民經(jīng)濟(jì)、人民生活的影響日益加深。因此,寵物狗的管理、寵物狗基本信息的記錄、犬類醫(yī)保與寵物飼養(yǎng)等方面的需求不斷增加。為此基于機(jī)器學(xué)習(xí)的狗臉檢測以及識別技術(shù)應(yīng)運而生,相比于傳統(tǒng)的ID標(biāo)簽、人工芯片注射等方法,在效率、可靠性、成本以及操作性等方面有諸多的優(yōu)勢。因此,本文基于面部識別技術(shù)的相關(guān)改進(jìn),設(shè)計了一套狗臉檢測及狗臉識別系統(tǒng),同時介紹了常用的面部檢測方法以及常用的面部識別的算法,并與本文算法進(jìn)行相關(guān)的對比實驗。主要的工作如下:針對在傳統(tǒng)的HOG取特征的過程中,算法計算復(fù)雜度較高,不利于特征取,所以導(dǎo)致檢測的過程較為冗長,以及檢測率不高的情況。出了,利用卷積神經(jīng)網(wǎng)絡(luò)第一層的卷積層取圖片的邊緣、外形等對梯度有益的特征,從而節(jié)省了HOG特征取的時間,高了效率,也同時高了檢測的準(zhǔn)確率。針對傳統(tǒng)2DPCA狗臉識別過程中,行列的特征取的局限性,僅僅在行和列的方向上進(jìn)行線性降維表示,出了多角度2DPCA的特征取,在保證準(zhǔn)確率的條件下,首先進(jìn)行傾斜角度自矯正,然后分角度間隔進(jìn)行2DPCA的特征取,打破了傳統(tǒng)算法的行列局限,可以更為完備地取狗臉特征,最后輸入BP神經(jīng)網(wǎng)絡(luò)進(jìn)行分... 

【文章來源】：南京信息工程大學(xué)江蘇省

【文章頁數(shù)】：70 頁

【學(xué)位級別】：碩士

【部分圖文】：

LBP特征的取示意圖

圖 3-1 LBP 特征的 取示意圖的 LBP 算法的不足與缺陷，同時衍生出一些相關(guān)改進(jìn)算法： LBP 算子：BP 算子的領(lǐng)域區(qū)域局限性較大而且范圍大小固定，無法滿足情況[14]。為了達(dá)到旋轉(zhuǎn)不變性、灰度不變性的要求以及適應(yīng)，Ojala 等人改進(jìn) LBP 算子，把 3×3 鄰域衍生到了任意鄰域所替換。改進(jìn)后的 LBP 算子，可以在更加開闊的區(qū)域內(nèi)包

第三章 狗臉特征 取LBP 旋轉(zhuǎn)不變模式 LBP 不具有旋轉(zhuǎn)不變性，根據(jù) LBP 的性質(zhì)可以知道每當(dāng)圖像的進(jìn)行P 值也會不同[15]。Maenpaa 等針對 LBP 算子的旋轉(zhuǎn)不變性進(jìn)行了相關(guān)具有旋轉(zhuǎn)不變性的 LBP 算子[16]，通過選取在旋轉(zhuǎn)圓形鄰域的 LBP 值，作為該鄰域的 LBP 值，從而實現(xiàn)旋轉(zhuǎn)不變性。如圖 3-3 為構(gòu)建具有P 特征的示意圖，該算子對應(yīng)的 LBP 值分別標(biāo)注在了算子下方，圖中BP 中，最小的 LBP 值為 15，于是把這個值就作為了這個鄰域的 LBP

【參考文獻(xiàn)】：
期刊論文
[1]改進(jìn)的二維主成分分析的人臉識別新算法[J]. 陸振宇,傅佑,邱雨楠,陸冰鑒.  現(xiàn)代電子技術(shù). 2019(06)
[2]一種改進(jìn)的卷積神經(jīng)網(wǎng)絡(luò)人臉識別算法[J]. 邱文龍.  現(xiàn)代計算機(jī)(專業(yè)版). 2018(18)
[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(jī)研究與發(fā)展. 2018(03)
[4]一種改進(jìn)的核二維主成分分析人臉識別算法[J]. 楊磊,劉美枝.  中國科技論文. 2018(02)
[5]基于卷積神經(jīng)網(wǎng)絡(luò)的人臉表情識別[J]. 徐新飛,劉惠義.  國外電子測量技術(shù). 2018(01)
[6]卷積網(wǎng)絡(luò)深度學(xué)習(xí)算法與實例[J]. 陳旭,張軍,陳文偉,李碩豪.  廣東工業(yè)大學(xué)學(xué)報. 2017(06)
[7]基于超像素特征表示的圖像前景背景分割算法[J]. 薛萍.  西安科技大學(xué)學(xué)報. 2017(05)
[8]基于人工神經(jīng)網(wǎng)絡(luò)的上肢關(guān)節(jié)剛度估算[J]. 宋偉任,崔澤,楊洪鑫,韓汪洋,王玉梅,邱國文,鄢旋.  計量與測試技術(shù). 2017(08)
[9]基于多種LBP特征集成學(xué)習(xí)的人臉識別[J]. 何云,吳懷宇,鐘銳.  計算機(jī)應(yīng)用研究. 2018(01)
[10]基于多尺度等價模式LBP的人臉表情識別[J]. 葉棪,陳蕾,龐作超,魚冰洋,施以鵬,徐焱.  計算機(jī)與數(shù)字工程. 2016(01)

碩士論文
[1]雪花形狀識別分類算法研究[D]. 宋世坤.河北科技大學(xué) 2019
[2]基于2DPCA的安卓平臺人臉識別技術(shù)研究[D]. 曾敏.西南交通大學(xué) 2016
[3]寵物主休閑制約與體驗優(yōu)化研究[D]. 何玎嫣.浙江工商大學(xué) 2015
[4]基于卷積神經(jīng)網(wǎng)絡(luò)的Logo檢測與識別研究[D]. 張瑞.浙江大學(xué) 2015
[5]安全防范智能視頻監(jiān)控的核心技術(shù)與應(yīng)用[D]. 汪兆斌.南京郵電大學(xué) 2014
[6]基于Rough集理論改進(jìn)的HOG特征行人檢測[D]. 周鑫.南昌大學(xué) 2012
[7]基于膚色的人臉檢測及其在紅眼消除中的應(yīng)用研究[D]. 紀(jì)曉寧.西安電子科技大學(xué) 2010
[8]基于膚色和AdaBoost算法的人臉檢測方法研究[D]. 陳曉賓.大連理工大學(xué) 2009
[9]人臉識別算法的研究及其應(yīng)用[D]. 譚文偉.廣東工業(yè)大學(xué) 2008



本文編號：3299365