發(fā)布時間：2023-02-15 20:34

　　當(dāng)前國內(nèi)外人臉識別技術(shù)是屬于模式識別與機器學(xué)習(xí)中的熱門研究領(lǐng)域,已經(jīng)引起了廣大研究人員的關(guān)注與研究,并在安全防護、智能視頻監(jiān)控、身份識別認(rèn)證等領(lǐng)域得到廣泛的應(yīng)用。人臉識別技術(shù)主要由人臉圖像檢測、人臉圖像預(yù)處理、人臉特征提取和分類識別四個部分組成,而人臉特征信息如何準(zhǔn)確有效的提取與分類是人臉識別的關(guān)鍵問題。本文以局部二值模式和卷積神經(jīng)網(wǎng)絡(luò)為基礎(chǔ),對人臉特征提取和識別進(jìn)行探討與研究,大體內(nèi)容如下:①介紹了人臉識別的研究背景與意義、歷史與現(xiàn)狀以及相應(yīng)的人臉特征提取算法,并簡單分析了各自的優(yōu)缺點。②研究一種基于LBP和2DLDA的人臉識別算法。將人臉圖像分塊為4×4,利用LBP8,1U2等價模式算子提取人臉特征,并用2DLDA算法對提取到的人臉特征作線性降維處理,通過最近鄰分類器完成識別。在ORL和Yale人臉數(shù)據(jù)庫上,對比PCA、2DLDA、LBP、LBP+PCA等算法可以看出其算法優(yōu)勢。③研究一種基于LBP和CNN的人臉識別算法。深度學(xué)習(xí)已經(jīng)成為現(xiàn)在社會的熱門話題,而深度學(xué)習(xí)的方法也為人臉識別技術(shù)的研究提供了理論與基礎(chǔ)。針對直接將人臉圖像直接作為卷積神經(jīng)網(wǎng)絡(luò)的輸入,往往會出現(xiàn)人臉圖像維數(shù)過...

【文章頁數(shù)】：47 頁

【學(xué)位級別】：碩士

【文章目錄】：
中文摘要
英文摘要
1 緒論
    1.1 人臉識別的研究背景與意義
    1.2 人臉識別的基本過程與研究現(xiàn)狀
        1.2.1 人臉識別的基本過程
        1.2.2 人臉識別的研究現(xiàn)狀
    1.3 人臉識別的難點
    1.4 本文使用人臉庫介紹
        1.4.1 ORL人臉數(shù)據(jù)庫
        1.4.2 Yale人臉數(shù)據(jù)庫
        1.4.3 FERET人臉數(shù)據(jù)庫
    1.5 本文結(jié)構(gòu)內(nèi)容與安排
2 幾種經(jīng)典的人臉特征提取算法介紹
    2.1 一維人臉特征提取算法
        2.1.1 主成分分析算法
        2.1.2 線性判別分析算法
    2.2 二維人臉特征提取算法
        2.2.1 二維主成分分析算法
        2.2.2 二維局部保持投影算法
    2.3 本章小結(jié)
3 LBP與2DLDA的人臉識別算法
    3.1 LBP算法介紹
        3.1.1 原始LBP算子
        3.1.2 圓形LBP算子
        3.1.3 旋轉(zhuǎn)不變LBP算子
        3.1.4 等價模式LBP
    3.2 分塊LBP算法
    3.3 基于LBP和2DLDA的人臉識別
        3.3.1 2DLDA算法原理介紹
        3.3.2 結(jié)合LBP和2DLDA人臉識別算法
    3.4 算法實驗結(jié)果與分析
        3.4.1 LBP分塊實驗
        3.4.2 ORL人臉庫實驗
        3.4.3 Yale人臉庫實驗
    3.5 本章小結(jié)
4 結(jié)合LBP與CNN的人臉識別算法
    4.1 CNN網(wǎng)絡(luò)基本介紹
    4.2 基于LBP和CNN的人臉識別
        4.2.1 LBP人臉局部特征提取
        4.2.2 人臉識別模型的構(gòu)建
        4.2.3 人臉圖像特征分類與識別
    4.3 實驗效果分析
        4.3.1 ORL實驗分析
        4.3.2 Yale實驗分析
        4.3.3 FERET實驗分析
        4.3.4 對比實驗
    4.4 本章小結(jié)
5 總結(jié)與展望
參考文獻(xiàn)
附錄
    A 作者在攻讀碩學(xué)位期間發(fā)表及完成論文目錄
    B 學(xué)位論文數(shù)據(jù)集
致謝



本文編號：3743798