現(xiàn)有的人臉識別方法在良好控制的條件下已經(jīng)取得令人滿意的性能。然而人臉識別在商業(yè)和執(zhí)法領(lǐng)域具有廣泛的應(yīng)用,在這些應(yīng)用中往往需要識別從監(jiān)控攝像頭和手持設(shè)備獲得的人臉圖像。在這種真實場景中,要求用戶合作是困難的,因此捕獲的人臉圖像可能包含被遮擋的人臉,導(dǎo)致人臉識別困難。同時,在現(xiàn)實生活中由于收集圖像樣本的困難或應(yīng)用系統(tǒng)的存儲限制,每個人在訓(xùn)練圖像集中可能僅存儲有一張人臉圖像。該問題被稱為單樣本問題。在單樣本情況下,目前所提出的遮擋人臉識別方法表現(xiàn)不夠理想。而單樣本部分遮擋人臉識別在現(xiàn)實應(yīng)用中普遍存在,因此針對單樣本部分遮擋人臉識別,本文提出基于關(guān)鍵點簇塊加權(quán)策略的單樣本部分遮擋人臉識別方法。本文的主要工作如下:1)首先本文介紹了特征點檢測和匹配技術(shù)、密度聚類、紋理特征和圖像熵等相關(guān)知識,為本文所提出方法做預(yù)先的理論準備。2)其次,本文基于特征點檢測匹配方法、密度聚類方法、紋理特征和圖像熵等知識提出基于關(guān)鍵點簇塊的單樣本部分遮擋人臉識別方法。該方法的基本流程為:對于一張測試圖像和一張訓(xùn)練圖像,首先分別使用SIFT算法和SURF算法獲得圖像對之間的SIFT匹配特征點和SURF匹配特征點;接著通過... 

【文章頁數(shù)】：65 頁

【學(xué)位級別】：碩士

【文章目錄】：
摘要
abstract
第1章 引言
    1.1 研究背景及意義
    1.2 國內(nèi)外研究現(xiàn)狀
    1.3 論文主要工作
    1.4 論文組織結(jié)構(gòu)
第2章 相關(guān)基礎(chǔ)理論
    2.1 局部不變特征點的檢測與匹配
        2.1.1 全局特征與局部特征
        2.1.2 局部不變特征點的檢測與匹配
    2.2 密度聚類
    2.3 圖像熵
    2.4 紋理描述符
    2.5 本章小結(jié)
第3章 基于關(guān)鍵點簇塊加權(quán)策略的單樣本部分遮擋人臉識別方法
    3.1 模型框架
    3.2 算法描述
        3.2.1 檢測和匹配特征點
        3.2.2 獲取關(guān)鍵點簇塊
        3.2.3 基于加權(quán)描述符匹配圖像塊
        3.2.4 基于再加權(quán)距離的決策
    3.3 實驗結(jié)果與分析
        3.3.1 參數(shù)設(shè)置
        3.3.2 時間復(fù)雜度分析
        3.3.3 Extended YaleB數(shù)據(jù)庫的識別結(jié)果
        3.3.4 CAS-PEAL-R1 數(shù)據(jù)庫的識別結(jié)果
        3.3.5 AR數(shù)據(jù)庫的識別結(jié)果
    3.4 本章小結(jié)
第4章 局部遮擋魯棒的人臉識別布防系統(tǒng)
    4.1 可行性分析
        4.1.1 關(guān)鍵任務(wù)
        4.1.2 問題定義
        4.1.3 可行性研究
    4.2 需求分析
    4.3 總體設(shè)計
        4.3.1 功能模型
        4.3.2 對象模型
        4.3.3 動態(tài)模型
        4.3.4 數(shù)據(jù)庫表設(shè)計
    4.4 系統(tǒng)實現(xiàn)與編碼
        4.4.1 系統(tǒng)設(shè)計所使用的相關(guān)技術(shù)
        4.4.2 系統(tǒng)實現(xiàn)環(huán)境
        4.4.3 登錄模塊
        4.4.4 主界面
        4.4.5 人臉檢測模塊
        4.4.6 管理員信息管理模塊
        4.4.7 通行記錄管理模塊
        4.4.8 黑白名單管理模塊
        4.4.9 人臉識別模塊
    4.5 軟件測試
        4.5.1 功能測試
        4.5.2 性能測試
    4.6 本章小結(jié)
第5章 總結(jié)與展望
    5.1 總結(jié)
    5.2 未來工作
參考文獻
致謝
攻讀碩士學(xué)位期間從事的科研工作及取得的成果



本文編號：3690617