基于圖像特征分析的人臉活體檢測(cè)
【文章頁(yè)數(shù)】:76 頁(yè)
【學(xué)位級(jí)別】:碩士
【部分圖文】:
圖1NUAA[15]數(shù)據(jù)庫(kù)中活體人臉(第一行)和照片人臉的實(shí)例(第二行)
信號(hào)處理第30卷辨[12-14],如圖1所示。事實(shí)上,活體人臉是一復(fù)雜的非剛性三維物體,而照片人臉是一平面的剛性物體,因此會(huì)產(chǎn)生不同的光照反射和陰影;由于真實(shí)人臉和照片人臉的表面屬性的差異性,比如色素;而且照片人臉通常包含印刷質(zhì)量的缺陷,這一差異可以利用紋理細(xì)節(jié)較好的檢測(cè)。因此,....
圖2基于灰度共生矩陣和小波分析的活體人臉檢測(cè)算法框架
,因此會(huì)產(chǎn)生不同的光照反射和陰影;由于真實(shí)人臉和照片人臉的表面屬性的差異性,比如色素;而且照片人臉通常包含印刷質(zhì)量的缺陷,這一差異可以利用紋理細(xì)節(jié)較好的檢測(cè)。因此,本文提出了一種基于灰度共生矩陣和小波分析的活體照片人臉檢測(cè)方法來解決這一問題。算法框圖如2所示(在本論文實(shí)驗(yàn)中,NU....
圖1.1活體人臉和照片人臉的傅里葉頻譜圖
武漢科技大學(xué)碩士學(xué)位論文3中的低頻分量就較多。如圖1.1所示,由于偽造人臉圖像相較于活體人臉圖像經(jīng)過了圖像的重現(xiàn)和二次采集過程,由于重現(xiàn)過程中的失真和二次采集過程中的抖動(dòng)等因素,造成其圖像質(zhì)量有一定下降,最終反映到成像清晰度上,在圖像的頻域上分析高頻和低頻信息來進(jìn)行活體檢測(cè)。圖1....
圖1.2基于LBP特征的人臉活體檢測(cè)算法圖[19]
武漢科技大學(xué)碩士學(xué)位論文4人臉圖像提取LGS特征,利用最近鄰分類器進(jìn)分類識(shí)別活體人臉。Parveen等[18]將局部三值模式紋理特征應(yīng)用于活體人臉檢測(cè),并在公開數(shù)據(jù)集中得到較好的實(shí)驗(yàn)結(jié)果,但該算法需要手動(dòng)選取合適的閾值,很難投入在實(shí)際應(yīng)用中。圖1.2基于LBP特征的人臉活體檢測(cè)算....
本文編號(hào):3967713
本文鏈接:http://sikaile.net/kejilunwen/shengwushengchang/3967713.html