隨著信息技術和互聯(lián)網(wǎng)技術的發(fā)展,身份認證和鑒別逐漸成為當今互聯(lián)網(wǎng)時代的研究重點,而人臉識別技術在身份認證方面有著獨特的優(yōu)勢。目前人臉識別已經(jīng)成功的應用于安防監(jiān)控、人臉支付、公司打卡等領域。但僅限在限制條件下才取得良好的識別效果,在非限制條件下仍然不盡人意,尤其是在遮擋條件下,由于其復雜性,到目前為止還未取得很好的效果。本文針對局部遮擋下的人臉識別方法開展研究,有以下工作和創(chuàng)新點:1.以SRC分類器和CRC分類器為基礎,從誤差概率分布和協(xié)同表示的角度,提出一種基于誤差加權(quán)和協(xié)同表示的分類器（EW-CR）。將遮擋部分視為無遮擋原人臉圖像的誤差,再對各像素點賦予相應的權(quán)重,減小遮擋所帶來的影響。重構(gòu)系數(shù)?可能會因為局部特征的相似性而對非識別類“過度表達”,因此,采用2l范數(shù)來對其進行“抑制”,從而使得更多的同類樣本來表達測試樣本,進而提高識別率。實驗證明,EW-CR分類器在光照、表情、遮擋下有良好的魯棒性,在AR數(shù)據(jù)集、Extend Yale B數(shù)據(jù)集、FLW數(shù)據(jù)集上分別取得99.33%、96.00%、78.64%的識別率,與最新同類型算法比較,分別提升了0.93%、2.80%、2.24%。... 

【文章來源】：重慶郵電大學重慶市

【文章頁數(shù)】：68 頁

【學位級別】：碩士

【部分圖文】：

Gamma校正示意圖

重慶郵電大學碩士學位論文第2章人臉識別過程11圖2.3Gamma校正圖像（左為原圖，右為校正后的圖）3.構(gòu)建梯度方向直方圖，獲取塊的HOG特征。以圖2.4為例，圖2.4的大小為80×80像素，每5×5像素組成一個cell，如圖2.4中每個黑色方框所示，每2×2個cell組成一個塊，如圖2.4中紅色方框所示，以5個像素為步長，水平方向和垂直方向上都是15個掃描窗口。首先把組距bin設置為9，每個5×5個像素點中，把梯度方向?qū)儆谕粋�范圍的對應梯度值疊加起來，形成一個方向梯度直方圖，然后把縱坐標按順序進行編碼，得到每個cell的HOG特征；然后依次把2×2個cell的特征向量串聯(lián)起來，得到一個塊的HOG特征，維數(shù)為49。4.獲取最終的HOG特征。由于局部光照變化，使得梯度強度的變化范圍非常大，所以首先用2l范數(shù)對每塊的HOG特征進行歸一化，進一步對光照、陰影和邊緣進行壓縮；然后將每個歸一化后的HOG特征串聯(lián)起來，構(gòu)成這張圖像的HOG特征，對于一張80×80的圖像，最終的HOG特征維數(shù)為36×15×15=8100。2.2.2Gabor小波變換Gabor變換是以Fourier變換為基礎發(fā)展起來的[45]，與Fourier變換不同的是，Gabor變換屬于局部變換，它可以有效的從不同尺度和方向上提取圖像的局部信息。它的優(yōu)點有如下幾點：1.參數(shù)選取的靈活性，可以非常容易的調(diào)整頻率、帶寬、濾波方向等參數(shù)，從而提高它在時域和頻域上的分辨能力；2.多分辨率特性，在對圖像提取特征時，通常會從多方向和多尺度進行提取，這樣可以獲取圖像的多種局部信息，后續(xù)可以篩選出需要的信息；

重慶郵電大學碩士學位論文第2章人臉識別過程123.光照不變特征，Gabor小波對光照不敏感，可以減少后續(xù)分類過程中光照對識別結(jié)果的影響。圖2.4提取HOG特征時的分塊情況示意圖一個典型的二維Gabor濾波函數(shù)的復數(shù)形式可以用公式(2.4)和(2.5)來表示，通過歐拉公式，還可以將函數(shù)的實部和虛部分別由公式(2.6)和(2.7)來描述。2222,,,22,expexpexp22uvuvuvuvkkzgzikz(2.4),cossinvuuvvukkk(2.5)2222,,,22,Re,expcosexp22uvuvuvuvkkzgxykz(2.6)222,,,22,Im,expsin2uvuvuvuvkkzgxykz(2.7)其中zx,y，是輸入圖像的像素坐標點，u是決定濾波核的方向的方向因子，在人臉識別問題中，通常u0,1,,7；v是決定濾波核大小的尺度因子，通常v0,1,,4；maxvvkkf，f為頻率域中的采樣步長，通常取f2，maxk對應最大的采樣頻率，通常取maxk2；8uu；是高斯窗的的尺度因子，控制濾


本文編號：3382034