目前,人臉識(shí)別系統(tǒng)在進(jìn)行人臉識(shí)別時(shí)獲取人臉圖像的方式通常有兩種:第一種是所識(shí)別人站在指定的攝像頭前面進(jìn)行識(shí)別。該種方式約束力較強(qiáng),而且只適用于單人臉識(shí)別,因此效率較低;第二種是直接從監(jiān)控視頻中獲取人臉圖像進(jìn)行識(shí)別。但由于視頻中的人臉處于無(wú)約束狀態(tài),導(dǎo)致獲取到大量低質(zhì)量人臉圖像,比如,人臉圖像存在偏轉(zhuǎn)、模糊、遮擋等問(wèn)題,若直接用于識(shí)別會(huì)降低識(shí)別準(zhǔn)確率。此外,視頻幀間的冗余極大地增加了系統(tǒng)的負(fù)擔(dān)。為解決視頻中低質(zhì)量的人臉圖像降低人臉識(shí)別準(zhǔn)確率的問(wèn)題,本學(xué)位論文設(shè)計(jì)并實(shí)現(xiàn)了人臉圖像優(yōu)選模塊,在對(duì)人臉進(jìn)行識(shí)別之前,先通過(guò)人臉圖像優(yōu)選模塊對(duì)從視頻中獲取的人臉圖像進(jìn)行優(yōu)選,不僅可以提高人臉識(shí)別準(zhǔn)確率,還可以提高系統(tǒng)的運(yùn)行效率。本學(xué)位論文的主要工作內(nèi)容如下:首先,提出了將人臉聚類與人臉跟蹤相結(jié)合的方法來(lái)完成人臉數(shù)據(jù)集的生成。解決了在生成每個(gè)人的人臉數(shù)據(jù)集時(shí),單獨(dú)采用人臉跟蹤方法所存在的處理過(guò)程復(fù)雜且由于人臉間的遮擋導(dǎo)致目標(biāo)丟失的問(wèn)題,以及單獨(dú)采用聚類算法所存在的特征提取階段較為耗時(shí)的問(wèn)題。其次,根據(jù)視頻中人臉狀態(tài)的實(shí)際情況,定義了人臉旋轉(zhuǎn)程度評(píng)價(jià)指標(biāo)、人眼狀態(tài)評(píng)價(jià)指標(biāo)、人臉遮擋程度評(píng)價(jià)指標(biāo)以及人臉圖... 

【文章來(lái)源】：延邊大學(xué)吉林省 211工程院校

【文章頁(yè)數(shù)】：60 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

圖２－１殘差塊結(jié)構(gòu)圖??Ｆｉｇ．?２－１?Ｓｔｒｕｃｔｕｒｅ?ｄｉａｇｒａｍ?ｏｆ?ｒｅｓｉｄｕａｌ?ｂｌｏｃｋ??

圖３－１初始化選定框?

出現(xiàn)跟蹤目標(biāo)丟失問(wèn)題，并且在選定目標(biāo)區(qū)域后，尺度大小將不再改變，在??跟蹤過(guò)程中無(wú)法實(shí)現(xiàn)人臉框的尺度自適應(yīng)，因此，會(huì)發(fā)生跟蹤漂移現(xiàn)象。具??體情況如圖３－１至３－３所示。??圖３－１為初始化選定目標(biāo)，圖３－２為目標(biāo)剛開(kāi)始發(fā)生遮擋，圖３－３為遮擋??后跟蹤目標(biāo)丟失。觀察圖３－１和圖３－２可發(fā)現(xiàn)隨著人臉逐漸靠近鏡頭，人臉??尺度逐漸變大，但人臉框不能自適應(yīng)人臉尺度的變化。從圖３－２和圖３－３可??看出，遮擋發(fā)生后會(huì)出現(xiàn)目標(biāo)跟蹤丟失現(xiàn)象。??圖３－１初始化選定框?圖３－２目標(biāo)發(fā)生遮擋?圖３－３目標(biāo)跟蹤丟失??Ｆｉｇ．?３－１?Ｉｎｉｔｉａｌｉｚｅ?ｔｈｅ?ｓｅｌｅｃｔｅｄ?ｂｏｘ?Ｆｉｇ．?３－２?Ｔａｒｇｅｔ?ｏｃｃｌｕｓｉｏｎ?Ｆｉｇ．?３－３?Ｔａｒｇｅｔ?ｔｒａｃｋｉｎｇ?ｌｏｓｔ??（２）?Ｃｈｉｎｅｓｅ?ｗｈｉｓｐｅｒｓ聚類算法分析??Ｃｈｉｎｅｓｅ?ｗｈｉｓｐｅｒｓ聚類算法原理簡(jiǎn)單、復(fù)雜度較低，并且不需要事先指定??聚類數(shù)。該算法使用殘差網(wǎng)絡(luò)雖能提取到有效的人臉特征進(jìn)行相似度計(jì)算，??使得相比傳統(tǒng)聚類算法，聚類準(zhǔn)確率得到提高，但是特征提取過(guò)程較為耗時(shí)，??例如

【參考文獻(xiàn)】：
期刊論文
[1]基于CNN的監(jiān)控視頻中人臉圖像質(zhì)量評(píng)估[J]. 王亞,朱明,劉成林.  計(jì)算機(jī)系統(tǒng)應(yīng)用. 2018(11)
[2]結(jié)合RGB三維直方圖和DBSCAN算法的圖像分割[J]. 丁倩,周紹光,鄧巧,王馨苑.  計(jì)算機(jī)工程與應(yīng)用. 2018(21)
[3]基于紋理特征融合的人臉圖像質(zhì)量評(píng)估算法[J]. 陳正浩,吳云東,蔡國(guó)榕,陳水利.  集美大學(xué)學(xué)報(bào)(自然科學(xué)版). 2018(04)
[4]基于特征組合的多人臉跟蹤算法[J]. 駱紹燁,劉麗桑.  延邊大學(xué)學(xué)報(bào)(自然科學(xué)版). 2018(01)
[5]基于改進(jìn)Camshift和Kalman濾波的目標(biāo)跟蹤算法[J]. 李蕊崗,張明.  微型機(jī)與應(yīng)用. 2017(12)
[6]無(wú)參考圖像質(zhì)量評(píng)價(jià)綜述[J]. 王志明.  自動(dòng)化學(xué)報(bào). 2015(06)
[7]融合Camshift的在線Adaboost目標(biāo)跟蹤算法[J]. 呂卓紋,王科俊,李宏宇,閻濤.  中南大學(xué)學(xué)報(bào)(自然科學(xué)版). 2013(S2)
[8]基于邊緣統(tǒng)計(jì)和特征定位的人臉姿態(tài)估計(jì)方法[J]. 王燕群,童衛(wèi)青,張昌明.  計(jì)算機(jī)系統(tǒng)應(yīng)用. 2011(04)
[9]圖像質(zhì)量評(píng)價(jià)方法研究進(jìn)展[J]. 蔣剛毅,黃大江,王旭,郁梅.  電子與信息學(xué)報(bào). 2010(01)
[10]一種基于知識(shí)的快速人臉檢測(cè)方法[J]. 姜軍,張桂林.  中國(guó)圖象圖形學(xué)報(bào). 2002(01)

博士論文
[1]人臉圖像質(zhì)量評(píng)估標(biāo)準(zhǔn)方法研究[D]. 高修峰.中國(guó)科學(xué)技術(shù)大學(xué) 2008

碩士論文
[1]低質(zhì)量無(wú)約束人臉圖像下的超分辨率擺正[D]. 孫強(qiáng).南京航空航天大學(xué) 2018
[2]人臉深度特征獲取及聚類技術(shù)研究[D]. 陳懇.浙江工業(yè)大學(xué) 2017
[3]基于特征點(diǎn)的人臉姿態(tài)估計(jì)與識(shí)別系統(tǒng)研究[D]. 段培聰.西安電子科技大學(xué) 2017
[4]視頻序列中的人臉檢測(cè)與跟蹤技術(shù)研究[D]. 蘭琦.中國(guó)科學(xué)院大學(xué)(中國(guó)科學(xué)院光電技術(shù)研究所) 2017
[5]視頻中的人臉檢測(cè)與識(shí)別系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn)[D]. 侯曉雨.北京郵電大學(xué) 2017
[6]基于視頻的實(shí)時(shí)多人臉檢測(cè)跟蹤與優(yōu)選方法研究[D]. 孟繁靜.東北師范大學(xué) 2016
[7]視頻序列下的人臉表情識(shí)別[D]. 周羽奇.華中科技大學(xué) 2016
[8]視頻監(jiān)控中人數(shù)統(tǒng)計(jì)方法的研究與實(shí)現(xiàn)[D]. 李鵬舉.華中科技大學(xué) 2013



本文編號(hào)：3306217