人臉識(shí)別一直是身份識(shí)別的熱點(diǎn)研究領(lǐng)域。特征提取和分類識(shí)別算法是人臉識(shí)別中的兩大問題,但非特定情境下很容易受到表情、姿態(tài)、飾物、頭發(fā)以及光照等因素的影響。本文主要針對(duì)人臉的局部紋理特征及深度信念網(wǎng)絡(luò)模型進(jìn)行研究,主要工作如下:1、提出了一種基于TPLBP特征和深度信念網(wǎng)絡(luò)人臉識(shí)別算法模型。該模型先提取人臉的TPLBP特征;再采用深度信念網(wǎng)絡(luò)對(duì)之進(jìn)行學(xué)習(xí)和降維;最后采用Softmax分類器對(duì)人臉進(jìn)行識(shí)別分類。模型利用TPLBP特征克服了 LBP特征易受噪聲干擾的問題。通過分析和實(shí)驗(yàn)確定出TPLBP的參數(shù)及DBN隱含層節(jié)點(diǎn)數(shù),最終獲得較好的識(shí)別效果。2、提出了一種加權(quán)的局部三值模式（WLTP）算法,并結(jié)合深度信念網(wǎng)絡(luò)給出了一種新的人臉識(shí)別算法。該算法先求取人臉的WLTP特征并利用PCA對(duì)之進(jìn)行預(yù)降維,之后再由深度信念網(wǎng)絡(luò)和Softmax進(jìn)行學(xué)習(xí)和識(shí)別。WLTP算法根據(jù)人臉不同區(qū)域?qū)ψR(shí)別率的貢獻(xiàn)度賦予不同的權(quán)值,既發(fā)揮了 LTP算法對(duì)光照的魯棒性,又給予不同區(qū)域以合理的權(quán)值,提高了識(shí)別效率。3、基于CMUPIE人臉庫(kù)和FERET人臉數(shù)據(jù)庫(kù),對(duì)兩種人臉識(shí)別算法進(jìn)行了訓(xùn)練和測(cè)試,討論了參數(shù)、特征、... 

【文章來源】：山東科技大學(xué)山東省

【文章頁(yè)數(shù)】：70 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

圖１．２人臉識(shí)別系統(tǒng)??Ｆｉｇ．?１．２?Ｆａｃｅ?ｒｅｃｏｇｎｉｔｉｏｎ?ｓｙｓｔｅｍ??１．２．１人臉檢測(cè)??

驟可總結(jié)為：首先，給定一個(gè)窗口，按著從左到右，從上往下的順序滑動(dòng)窗口??遍歷整幅圖像；然后，提取窗口對(duì)應(yīng)的圖像特征；最后，將獲取的人臉特征輸??入到分類器中，判斷是否有人臉存在，其示意圖如圖１．３所示。其方法主要是有??Ｈａａｒ－ｌｉｋｅ特征法［３］、ＦｌｏａｔＢｏｏｓｔ算法［４］、ＩＬＢＰ特征法［５】平行級(jí)聯(lián)分類器［６］、金字??塔結(jié)構(gòu)分類器［７］、寬度優(yōu)先搜索樹［８］等，??咖??圖１．３人臉檢測(cè)??Ｆｉｇ．?１．３?Ｆａｃｅ?Ｄｅｔｅｃｔｉｏｎ??１．２．２特征提取??人臉特征提取的目的是在人臉圖像數(shù)據(jù)中獲得能夠表示人臉的有效信息特??征，這些特征具有唯一性，不會(huì)雷同于其他人臉樣本。由于人臉圖片的數(shù)據(jù)維??度較高，假若直接用人臉圖片的原始數(shù)據(jù)作為特征來一一對(duì)比進(jìn)行識(shí)別，將會(huì)??導(dǎo)致費(fèi)時(shí)、費(fèi)力、計(jì)算開銷大等問題，所以對(duì)人臉照片進(jìn)行特征提取變的非常??重要，是實(shí)現(xiàn)人臉識(shí)別的關(guān)鍵。人臉特征提取的方法主要有：??（１）

Ｐｅ?Ｐｓ??圖２．１?ＬＢＰ鄰域窗口??Ｆｉｇ．２．１?Ｎｅｉｇｈｂｏｒｈｏｏｄ?ｗｉｎｄｏｗ?ｏｆ?ＬＢＰ??以上圖中大小為３ｘ３的ＬＢＰ鄰域窗口為例，ＬＢＰ算法的計(jì)算過程描述為：??Ｔ?￣（Ｓ（ｐ０－ｐｃ），?ＭｐｒｐＪ）?式（２．１）??如Ｕ〇〇?式（２．２）??因此將ＬＢＰ鄰域窗口的各個(gè)像素點(diǎn)的灰度值轉(zhuǎn)化為了一個(gè)二進(jìn)制值，同時(shí)??為每個(gè)二進(jìn)制值賦予不同的權(quán)值２＇，然后將ＬＢＰ鄰域窗口獲得的二進(jìn)制值重新??編碼成一個(gè)十進(jìn)制的５＾／－凡）值，這個(gè)值就是用來表征這個(gè)鄰域窗口的ＬＢＰ特??征值，即表示該區(qū)域的紋理信息。該過程用數(shù)學(xué)公式表示為：??ＬＢＰ?＝?Ｔ＾Ｐ．－Ｐｃ）２ｉ?式（２．３）??２．２ＬＢＰ理：??

【參考文獻(xiàn)】：
期刊論文
[1]幾何結(jié)構(gòu)保持非負(fù)矩陣分解的數(shù)據(jù)表達(dá)方法[J]. 李冰鋒,唐延?xùn)|,韓志.  信息與控制. 2017(01)
[2]采用局部二值模式與深度信念網(wǎng)絡(luò)的人臉識(shí)別[J]. 吳進(jìn),嚴(yán)輝,王潔.  電訊技術(shù). 2016(10)
[3]改進(jìn)的二維變換Gabor小波濾波器特征提取算法[J]. 閆俊強(qiáng),喬志偉,王強(qiáng).  計(jì)算機(jī)工程與設(shè)計(jì). 2016(10)
[4]基于L1-范數(shù)的二維線性判別分析[J]. 陳思寶,陳道然,羅斌.  電子與信息學(xué)報(bào). 2015(06)
[5]基于I-DCV的人臉識(shí)別方法[J]. 許良鳳,李艷秋,胡敏,劉盛中,王曉華.  電子測(cè)量與儀器學(xué)報(bào). 2015(01)
[6]基于鑒別流形的不相關(guān)稀疏投影非負(fù)矩陣分解[J]. 李新玉,徐桂云,任世錦,楊茂云.  山東大學(xué)學(xué)報(bào)(工學(xué)版). 2015(05)
[7]基于離散小波變換和ICA支持向量機(jī)的人臉識(shí)別[J]. 祝加雄,賀元驊.  電視技術(shù). 2014(11)
[8]一種自適應(yīng)加權(quán)SpPCA單樣本人臉識(shí)別算法[J]. 唐雨佳,周李威,陳耿,朱玉全.  計(jì)算機(jī)應(yīng)用研究. 2014(09)
[9]改進(jìn)的小波分解、Fisher臉及幾何特征相結(jié)合的人臉識(shí)別方法[J]. 彭葉,王順芳,丁海燕.  云南大學(xué)學(xué)報(bào)(自然科學(xué)版). 2011(S2)

碩士論文
[1]基于LBP算法的人臉識(shí)別研究[D]. 嵇介曲.安徽理工大學(xué) 2017
[2]基于稀疏表示的人臉特征提取與識(shí)別算法研究[D]. 王永欣.山東師范大學(xué) 2017
[3]基于LBP和深度學(xué)習(xí)的人臉特征提取[D]. 王蕓蕓.蘭州理工大學(xué) 2016
[4]改進(jìn)型LTP在人臉識(shí)別中的研究與應(yīng)用[D]. 李德寧.哈爾濱理工大學(xué) 2012



本文編號(hào)：3489293