面部識(shí)別技術(shù)最初是以人臉為研究對(duì)象而迅速發(fā)展,隨著其研究的不斷深入及應(yīng)用領(lǐng)域的不斷拓展,人們將其逐漸應(yīng)用于各種動(dòng)物的面部識(shí)別上,比如黑猩猩、金絲猴等�；诿娌繄D像的識(shí)別方法為動(dòng)物個(gè)體識(shí)別提供快速有效的識(shí)別手段,能促進(jìn)動(dòng)物行為學(xué)研究的發(fā)展。川金絲猴是中國(guó)特有的珍稀物種,是國(guó)家級(jí)一級(jí)保護(hù)動(dòng)物。本文以川金絲猴為研究對(duì)象,分析其面部特征與人臉之間的差異,針對(duì)其面部所具有的紋理、形狀、結(jié)構(gòu)等特征,根據(jù)不同的實(shí)際應(yīng)用場(chǎng)景,設(shè)計(jì)相應(yīng)的面部識(shí)別算法。1.基于局部增強(qiáng)型LBP特征的川金絲猴面部識(shí)別。針對(duì)川金絲猴面部毛發(fā)紋理多變、面部相似度較高,特別是同一年齡段相同性別的個(gè)體之間,以及由于非配合性的數(shù)據(jù)采集所導(dǎo)致的個(gè)體面部圖像數(shù)量較少等問(wèn)題,提出局部增強(qiáng)型LBP(locally enhanced local binary pattern,LE-LBP)的川金絲猴識(shí)別算法。該算法主要關(guān)注川金絲猴面部的皮膚區(qū)域,避免紋理多變的毛發(fā)對(duì)識(shí)別結(jié)果的干擾;對(duì)于整體結(jié)構(gòu)相似的皮膚區(qū)域,首先利用faster RCNN對(duì)面部五官進(jìn)行檢測(cè)分割,分割結(jié)果作為算法關(guān)注的感興趣區(qū)域;然后計(jì)算每個(gè)感興趣區(qū)域內(nèi)的紋理復(fù)雜度,并將其作為...

【文章頁(yè)數(shù)】：57 頁(yè)

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
Abstract
第一章 引言
    1.1 研究背景及意義
    1.2 面部識(shí)別概述
    1.3 主要?jiǎng)?chuàng)新點(diǎn)
    1.4 本文組織架構(gòu)
第二章 面部識(shí)別相關(guān)方法與研究進(jìn)展
    2.1 基于面部全局區(qū)域特征的識(shí)別方法
        2.1.1 線性方法
        2.1.2 非線性方法
    2.2 基于面部局部區(qū)域特征的識(shí)別方法
        2.2.1 .基于特征點(diǎn)的面部識(shí)別方法
        2.2.2 .基于局部紋理特征的面部識(shí)別
    2.3 基于混合特征和統(tǒng)計(jì)模型的方法
    2.4 深度學(xué)習(xí)方法
        2.4.1 深度學(xué)習(xí)發(fā)展歷史
        2.4.2 面部識(shí)別深度學(xué)習(xí)方法
    2.5 本章小結(jié)
第三章 基于局部增強(qiáng)型LBP的川金絲猴面部識(shí)別
    3.1 識(shí)別任務(wù)中的感興趣區(qū)域
        3.1.1 細(xì)粒度面部識(shí)別
        3.1.2 強(qiáng)判別能力特征區(qū)域與弱判別能力特征區(qū)域
        3.1.3 有效判別區(qū)域細(xì)化
        3.1.4 感興趣區(qū)域分割
    3.2 LBP紋理特征
    3.3 LBP特征提取時(shí)的變尺寸子區(qū)域劃分
        3.3.1 圖像子區(qū)域的變尺寸劃分
        3.3.2 特征復(fù)雜度與圖像邊緣密度
        3.3.3 局部增強(qiáng)型LBP特征
    3.4 實(shí)驗(yàn)與分析
    3.5 本章小結(jié)
第四章 基于SPL-BCNN的川金絲猴面部識(shí)別
    4.1 細(xì)粒度識(shí)別與雙線性卷積網(wǎng)絡(luò)
    4.2 基于自步學(xué)習(xí)-雙線性卷積網(wǎng)絡(luò)的川金絲猴面部識(shí)別方法
    4.3 實(shí)驗(yàn)與結(jié)果分析
    4.4 本章小結(jié)
第五章 總結(jié)與展望
    5.1 本文總結(jié)
    5.2 未來(lái)展望
參考文獻(xiàn)
致謝
攻讀碩士學(xué)位期間取得的科研成果



本文編號(hào)：3768423