發(fā)布時(shí)間：2021-08-13 23:29

　　隨著人工智能的飛速發(fā)展,身份認(rèn)證技術(shù)是現(xiàn)在重要的研究課題,而其中人臉識(shí)別技術(shù)作為一種新興技術(shù),深受許多領(lǐng)域關(guān)注。隨著人臉識(shí)別技術(shù)的發(fā)展,不斷地有新型算法涌入,使得在受控條件下的人臉識(shí)別精度越來越高。然而,在實(shí)際生活中,人臉識(shí)別技術(shù)常常面臨著一些難題。比如遮擋、光照、人臉表情與姿勢(shì)等影響,造成人臉識(shí)別的效果不盡如人意。其中局部遮擋會(huì)引起人臉識(shí)別的準(zhǔn)確率急劇下降,因此本文針對(duì)局部遮擋的人臉識(shí)別展開討論,通過所提算法提高了局部遮擋人臉識(shí)別的準(zhǔn)確率:首先介紹人臉圖像預(yù)處理技術(shù)中的圖像增強(qiáng)技術(shù)與圖像去噪技術(shù),又介紹了卷積神經(jīng)網(wǎng)絡(luò)的理論,提出了針對(duì)局部遮擋人臉的LLE-CNN人臉檢測(cè)方法,該方法可以檢測(cè)出局部遮擋的人臉并能夠標(biāo)示出遮擋部分。其次根據(jù)對(duì)有遮擋人臉識(shí)別算法的分類,介紹了傳統(tǒng)子空間方法。傳統(tǒng)子空間方法中稀疏表示分類方法與協(xié)同表示分類方法是針對(duì)局部遮擋人臉識(shí)別的兩種常用算法,后又因?yàn)橄∈璞硎痉诸惙椒ㄔ趯?shí)際中不足以描述編碼錯(cuò)誤,提出了一種稀疏表示分類方法的改進(jìn)算法,魯棒稀疏表示,并在AR人臉數(shù)據(jù)庫中對(duì)比了三種算法的性能。最后,為了提高局部遮擋人臉識(shí)別的魯棒性。本文采用了一種基于深度特征字典表... 

【文章來源】：哈爾濱理工大學(xué)黑龍江省

【文章頁數(shù)】：61 頁

【學(xué)位級(jí)別】：碩士

【部分圖文】：

不同遮擋情況

哈爾濱理工大學(xué)工學(xué)碩士學(xué)位論文-9-(4)加權(quán)平均法：根據(jù)需要和指標(biāo)，選取R、G、B三個(gè)分量以不同的權(quán)值進(jìn)行加權(quán)計(jì)算得到的值，作為變換后圖像的灰度值，下式為由于人眼對(duì)綠色的敏感度最高藍(lán)色的敏感度最低所選的權(quán)值，即GrayjGjiRi),(114.0),(587.0),(299.0),(jjiBi(2-4)根據(jù)以上幾種圖像灰度化處理，實(shí)驗(yàn)結(jié)果如圖2-1所示。a)原圖b)R分量分量法c)G分量分量法d)B分量分量法e)最大值法f)均值法g)加權(quán)平均法圖2-1灰度化處理效果圖Fig.2-1Grayingeffect2.1.2直方圖均衡化直方圖是一種統(tǒng)計(jì)方法，根據(jù)對(duì)圖像中每個(gè)像素值的概率進(jìn)行統(tǒng)計(jì)，按照概率分布函數(shù)對(duì)圖像的像素進(jìn)行重新分配來達(dá)到圖像拉伸的作用，將圖像像素能夠均勻分布。直方圖均衡化又稱為灰度均衡化，它是指通過某種處理關(guān)系映射使得

哈爾濱理工大學(xué)工學(xué)碩士學(xué)位論文-9-(4)加權(quán)平均法：根據(jù)需要和指標(biāo)，選取R、G、B三個(gè)分量以不同的權(quán)值進(jìn)行加權(quán)計(jì)算得到的值，作為變換后圖像的灰度值，下式為由于人眼對(duì)綠色的敏感度最高藍(lán)色的敏感度最低所選的權(quán)值，即GrayjGjiRi),(114.0),(587.0),(299.0),(jjiBi(2-4)根據(jù)以上幾種圖像灰度化處理，實(shí)驗(yàn)結(jié)果如圖2-1所示。a)原圖b)R分量分量法c)G分量分量法d)B分量分量法e)最大值法f)均值法g)加權(quán)平均法圖2-1灰度化處理效果圖Fig.2-1Grayingeffect2.1.2直方圖均衡化直方圖是一種統(tǒng)計(jì)方法，根據(jù)對(duì)圖像中每個(gè)像素值的概率進(jìn)行統(tǒng)計(jì)，按照概率分布函數(shù)對(duì)圖像的像素進(jìn)行重新分配來達(dá)到圖像拉伸的作用，將圖像像素能夠均勻分布。直方圖均衡化又稱為灰度均衡化，它是指通過某種處理關(guān)系映射使得


本文編號(hào)：3341330