基于人臉識別的互聯網檢索技術實現
發(fā)布時間:2022-10-19 10:46
隨著互聯網技術的快速發(fā)展,互聯網應用的種類也日漸多樣化。在生活中用戶通常使用搜索引擎實現對名人、明星等特定人臉圖像的獲取。但傳統(tǒng)的基于文本的圖像檢索具有檢索方式單一和結果易被關鍵字欺騙的不足,而新興的基于內容的圖像檢索則存在檢索精度不足且過程易受無關圖像干擾的缺點,這兩種方法都無法滿足用戶對互聯網中特定人臉圖像的檢索需求;谌四樧R別的互聯網檢索系統(tǒng)是一個綜合利用了互聯網技術,圖像檢索以及人臉識別領域相關知識的網絡圖像搜索引擎,可以實現人臉圖像的互聯網檢索功能。論文完成的具體工作有:1.人臉檢測環(huán)節(jié)通過AdaBoost人臉檢測算法,在系統(tǒng)數據收集的前期快速過濾掉不包含人臉的互聯網圖像,提高人臉檢索效率;同時對過濾后的圖像,利用訓練好AdaBoost人臉分類器精確提取出圖像中的人臉部分,排除了圖像背景區(qū)域的干擾。2.圖像預處理環(huán)節(jié)針對于人臉出現的旋轉變化和光照變化問題。對于人臉旋轉,利用ASEF算法構建了一個對人眼位置有良好響應的精確濾波器,能實現對人眼的精確定位,再通過圖像旋轉得到姿態(tài)一致的人臉;對于光照不均勻問題,使用同態(tài)濾波對圖像進行光照補償,衰減圖像中低頻部分(光照變化),增強圖...
【文章頁數】:60 頁
【學位級別】:碩士
【文章目錄】:
摘要
abstract
第一章 緒論
1.1 選題的背景和意義
1.2 研究現狀
1.2.1 人臉識別技術的研究現狀
1.2.2 互聯網圖像檢索技術的研究現狀
1.3 本文的研究內容與結構安排
第二章 人臉檢測
2.1 基于AdaBoost算法的人臉檢測
2.1.1 Haar-like特征與積分圖
2.1.2 AdaBoost算法
2.1.3 級聯分類器
2.2 基于膚色模型的人臉檢測
2.2.1 建立膚色模型
2.2.2 膚色區(qū)域分割
2.2.3 候選區(qū)域篩選
2.3 檢測性能測試
2.4 本章小結
第三章 人臉預處理
3.1 基于ASEF的人臉姿態(tài)矯正
3.1.1 ASEF的構造
3.1.2 ASEF人眼定位
3.1.3 ASEF人臉姿態(tài)矯正
3.2 人臉光照補償
3.3 本章小結
第四章 特征提取與相似度匹配
4.1 LBP圖像算子
4.2 LBP算子的拓展
4.2.1 LBP算子的統(tǒng)一模式
4.2.2 LBP直方圖分塊統(tǒng)計
4.3 基于LBP特征的相似性匹配
4.3.1 相似性測度
4.3.2 基于余弦距離的LBP相似度計算
4.4 本章小結
第五章 系統(tǒng)集成與性能測試
5.1 網絡爬蟲簡介
5.2 互聯網檢索系統(tǒng)實現
5.3 性能測試
5.3.1 標準人臉庫性能測試
5.3.2 網絡人物庫性能測試
5.4 性能分析
5.5 本章小結
第六章 總結與討論
6.1 總結
6.2 討論
參考文獻
致謝
【參考文獻】:
期刊論文
[1]基于梯度和局部多值模式的圖像紋理特征提取[J]. 趙珊,于虎. 測控技術. 2017(08)
[2]人臉識別技術綜述[J]. 何春. 智能計算機與應用. 2016(05)
[3]基于膚色模型的人臉檢測與人眼定位[J]. 宋凌怡. 吉林大學學報(理學版). 2015(06)
[4]非最小平方誤差局部-全局加權融合的稀疏表示遮擋人臉識別[J]. 胡正平,彭燕,趙淑歡. 模式識別與人工智能. 2015(07)
[5]局部二進制模式方法綜述[J]. 劉麗,謝毓湘,魏迎梅,老松楊. 中國圖象圖形學報. 2014(12)
[6]基于圖像的單樣本人臉識別研究進展[J]. 楊軍,劉妍麗. 西華大學學報(自然科學版). 2014(04)
[7]駕駛人眼睛局部區(qū)域定位算法[J]. 張波,王文軍,張偉,李升波,成波. 清華大學學報(自然科學版). 2014(06)
[8]基于仿射變換的多姿態(tài)人臉矯正和識別[J]. 李海彥,徐汀榮,張立曉,李杰. 計算機應用研究. 2014(04)
[9]復雜光照條件下的人臉預處理算法[J]. 顧思思. 計算機工程與應用. 2014(19)
[10]局部二值模式方法研究與展望[J]. 宋克臣,顏云輝,陳文輝,張旭. 自動化學報. 2013(06)
碩士論文
[1]基于擴展LBP特征的人臉識別系統(tǒng)研究[D]. 蔣思洋.電子科技大學 2012
[2]實時人臉識別系統(tǒng)的研究和實現[D]. 鮑琎.電子科技大學 2012
[3]基于統(tǒng)計模型的多姿態(tài)人臉識別研究[D]. 劉濤.西南交通大學 2011
[4]基于互聯網的人臉圖像搜索[D]. 文石磊.華中科技大學 2011
[5]基于LBP的人臉識別研究[D]. 黃非非.重慶大學 2009
本文編號:3693220
【文章頁數】:60 頁
【學位級別】:碩士
【文章目錄】:
摘要
abstract
第一章 緒論
1.1 選題的背景和意義
1.2 研究現狀
1.2.1 人臉識別技術的研究現狀
1.2.2 互聯網圖像檢索技術的研究現狀
1.3 本文的研究內容與結構安排
第二章 人臉檢測
2.1 基于AdaBoost算法的人臉檢測
2.1.1 Haar-like特征與積分圖
2.1.2 AdaBoost算法
2.1.3 級聯分類器
2.2 基于膚色模型的人臉檢測
2.2.1 建立膚色模型
2.2.2 膚色區(qū)域分割
2.2.3 候選區(qū)域篩選
2.3 檢測性能測試
2.4 本章小結
第三章 人臉預處理
3.1 基于ASEF的人臉姿態(tài)矯正
3.1.1 ASEF的構造
3.1.2 ASEF人眼定位
3.1.3 ASEF人臉姿態(tài)矯正
3.2 人臉光照補償
3.3 本章小結
第四章 特征提取與相似度匹配
4.1 LBP圖像算子
4.2 LBP算子的拓展
4.2.1 LBP算子的統(tǒng)一模式
4.2.2 LBP直方圖分塊統(tǒng)計
4.3 基于LBP特征的相似性匹配
4.3.1 相似性測度
4.3.2 基于余弦距離的LBP相似度計算
4.4 本章小結
第五章 系統(tǒng)集成與性能測試
5.1 網絡爬蟲簡介
5.2 互聯網檢索系統(tǒng)實現
5.3 性能測試
5.3.1 標準人臉庫性能測試
5.3.2 網絡人物庫性能測試
5.4 性能分析
5.5 本章小結
第六章 總結與討論
6.1 總結
6.2 討論
參考文獻
致謝
【參考文獻】:
期刊論文
[1]基于梯度和局部多值模式的圖像紋理特征提取[J]. 趙珊,于虎. 測控技術. 2017(08)
[2]人臉識別技術綜述[J]. 何春. 智能計算機與應用. 2016(05)
[3]基于膚色模型的人臉檢測與人眼定位[J]. 宋凌怡. 吉林大學學報(理學版). 2015(06)
[4]非最小平方誤差局部-全局加權融合的稀疏表示遮擋人臉識別[J]. 胡正平,彭燕,趙淑歡. 模式識別與人工智能. 2015(07)
[5]局部二進制模式方法綜述[J]. 劉麗,謝毓湘,魏迎梅,老松楊. 中國圖象圖形學報. 2014(12)
[6]基于圖像的單樣本人臉識別研究進展[J]. 楊軍,劉妍麗. 西華大學學報(自然科學版). 2014(04)
[7]駕駛人眼睛局部區(qū)域定位算法[J]. 張波,王文軍,張偉,李升波,成波. 清華大學學報(自然科學版). 2014(06)
[8]基于仿射變換的多姿態(tài)人臉矯正和識別[J]. 李海彥,徐汀榮,張立曉,李杰. 計算機應用研究. 2014(04)
[9]復雜光照條件下的人臉預處理算法[J]. 顧思思. 計算機工程與應用. 2014(19)
[10]局部二值模式方法研究與展望[J]. 宋克臣,顏云輝,陳文輝,張旭. 自動化學報. 2013(06)
碩士論文
[1]基于擴展LBP特征的人臉識別系統(tǒng)研究[D]. 蔣思洋.電子科技大學 2012
[2]實時人臉識別系統(tǒng)的研究和實現[D]. 鮑琎.電子科技大學 2012
[3]基于統(tǒng)計模型的多姿態(tài)人臉識別研究[D]. 劉濤.西南交通大學 2011
[4]基于互聯網的人臉圖像搜索[D]. 文石磊.華中科技大學 2011
[5]基于LBP的人臉識別研究[D]. 黃非非.重慶大學 2009
本文編號:3693220
本文鏈接:http://sikaile.net/kejilunwen/sousuoyinqinglunwen/3693220.html
教材專著