本文關(guān)鍵詞：基于紋理的局部二進(jìn)制模式人臉識別方法

  更多相關(guān)文章： 機器視覺 局部二元模式 主成分分析 特征

【摘要】：過去四十年來,人們對于人臉識別技術(shù)已經(jīng)進(jìn)行了廣泛地研究和探討,但是由于它所具有的技術(shù)挑戰(zhàn)性以及該技術(shù)在實際生活中的潛在應(yīng)用,它仍然當(dāng)下是圖像處理和機器視覺所積極研究的領(lǐng)域。更重要的是與其他生物識別方法相比較,人臉識別系統(tǒng)可以利用低成本設(shè)備,并且不需要與被測物體有任何直接接觸,就可識別其面部重要特征。雖然人臉識別研究的歷史相當(dāng)長,近年來也取得了很大進(jìn)展,但現(xiàn)有的人臉識別系統(tǒng)的效果尚未達(dá)到令人滿意的水平。因此,人臉識別也被認(rèn)為是模式和對象識別中的特殊和難處理的情況。隨著智能手機和快速移動網(wǎng)絡(luò)的廣泛使用,數(shù)百萬張照片每天會從社交網(wǎng)絡(luò)上傳到云端存儲設(shè)備,如 Dropbox,Facebook,Twitter,Instagram,Google+和 Flicker這些社交平臺。從這些照片中來組織和檢索相關(guān)信息是非常具有挑戰(zhàn)性的,并且直接影響到這些平臺上的用戶體驗。例如,用戶通常會查找在特定位置,特定時間或特定朋友拍攝的照片。前兩個查詢是非常簡單的,因為幾乎所有今天的相機都會將時間和GPS位置嵌入到照片中。最后一個查詢,即上下文查詢更具挑戰(zhàn)性,因為沒有關(guān)于照片中人身份的明確信號,識別的關(guān)鍵就是檢測人臉。這使得低復(fù)雜性、快速和準(zhǔn)確的面部檢測系統(tǒng)成為基于云的照片共享/存儲平臺的重要組成部分。人臉識別領(lǐng)域的研究具有悠久的歷史,不同研究人員對這一技術(shù)的研究提出了不同的方法。為了準(zhǔn)確地代表本研究領(lǐng)域的研究背景,人臉識別系統(tǒng)必須針對人臉識別的不同方法進(jìn)行分類。一般來說,有兩種截然不同人臉識別方法,即將基于特征的方法和整體方法用于人臉識別�；谔卣鞯姆椒ㄊ褂锚毺氐拿娌刻卣�,如鼻子,眼睛,嘴等,并計算不同面部點之間的幾何關(guān)系。這個研究領(lǐng)域的早期嘗試是在1973年完成的,Kanade使用簡單的圖像處理技術(shù)通過關(guān)注16個不同的臉部特征來提取特征向量。使用20人的簡單數(shù)據(jù)庫,在相同候選人的兩幅圖像之間計算面積,距離或角度比等參數(shù)。在其的早期嘗試中,達(dá)到了 75%的識別率,當(dāng)時,這個效果被認(rèn)為是非常顯著的。隨后,基于特征提取的方法取得了更多的進(jìn)展,并且出現(xiàn)了新的技術(shù)。例如,可變型模板方法、霍夫變換方法、數(shù)學(xué)形態(tài)運算符等。然而,這些技術(shù)雖然能夠更好地在受限狀態(tài)和實際情況下工作,但其工作性能卻下降了。Wiskott等人提出了現(xiàn)在廣泛使用的基于特征的面部識別技術(shù),它能夠成功地表示特定數(shù)據(jù)庫中的面部特征,它主要在動態(tài)鏈接結(jié)構(gòu)的基礎(chǔ)上起作用。使用這種技術(shù),在250人的數(shù)據(jù)庫中可以達(dá)到98%的識別率。最后,統(tǒng)計特征提取方法中利用圖像增益來提取圖像紋理特征是最受歡迎的特征提取之一,這是由于其不變性會影響單調(diào)灰度級變化和計算效率。Ojala等人提出的用于紋理分析的局部二元模式是一個3x3的局部描述符,它計算相鄰像素到其中心像素的距離,并轉(zhuǎn)換為二進(jìn)制模式。在Ojala介紹LBP描述符之后,對于這種基于紋理的描述符已經(jīng)進(jìn)行大量的研究工作,目前的LBP已經(jīng)具有很多擴展形狀。因此,能夠使用LBP的對面部進(jìn)行描述主要是因為面部由微圖案組成并且這些微圖案能夠被該方法良好地描述。全局方法嘗試使用整個圖像來識別面部,現(xiàn)在用于人臉識別最流行的方法是由Turk和Pentland首先提出的主成分分析法,它主要通過計算協(xié)方差矩陣來尋找特征面。直到今天PCA仍然是最廣泛使用的特征提取算法,它不僅用作基礎(chǔ)來與新的方法進(jìn)行比較,而且許多新的算法衍生出來還從其中衍生出來。許多用于人臉識別的混合方法都是采用PCA來降低其特征向量的維數(shù)。一些現(xiàn)代軟件利用人工智能來訓(xùn)練神經(jīng)網(wǎng)絡(luò)進(jìn)行面部識別,其中Facebook使用的DeepFace軟件是使用神經(jīng)網(wǎng)絡(luò)的現(xiàn)代人臉識別系統(tǒng)的最佳示例。人臉識別一直是視覺界的熱點研究領(lǐng)域,這在圖像分析和計算機視覺領(lǐng)域是一個具有挑戰(zhàn)性的任務(wù),在過去的幾年中,由于其在各個領(lǐng)域的廣泛應(yīng)用,所以受到了極大的關(guān)注。這個研究領(lǐng)域已經(jīng)在受控條件下進(jìn)行了大量的研究,并且取得了豐碩的成果。但在不受控制的條件下,人臉識別仍然是一個無法解決的問題。例如,人臉識別的一個關(guān)鍵應(yīng)用是在沒有受控條件下收集圖像的安全監(jiān)視。因此,本研究提出了基于紋理的統(tǒng)計特征提取方法即LBP,以應(yīng)對人臉識別的一些問題,并且利用人臉紋理所包含的大量信息來設(shè)計人臉識別系統(tǒng),LBP是一個簡單而強大的紋理特征提取工具。臉部區(qū)域首先被劃分成提取局部二進(jìn)制模式(LBP)直方圖的小區(qū)域,并將其連接成可以有效表示面部圖像的單個特征直方圖,使用奇方距離法作為不相似度量進(jìn)行識別。本研究的主要目的是通過以往的識別技術(shù)來實現(xiàn)較高的識別率,并通過減少特征向量的長度來加快識別過程。本論文研究了基于LBP的人臉識別技術(shù),分析了影響人臉識別率的一般因素,特別是面部表情的變化和面部強度變化的影響,以提高人臉識別率�；跇�(biāo)準(zhǔn)FERET數(shù)據(jù)庫(包含不同姿態(tài),照明,表達(dá)等不同組合的圖像),開展了圖像表面提取紋理特征的局部二進(jìn)制圖案的實驗,并通過改變LBP參數(shù)的大小對LBP方案進(jìn)行了測試,將測試結(jié)果與其他現(xiàn)有的面部識別方法進(jìn)行了比較。初步實驗后,發(fā)現(xiàn)LBP的擴展性不太理想,這些擴展主要包括鄰域檢測像素(多圈鄰域)的擴展,權(quán)重分配過程以及PCA與LBP的使用。將實驗結(jié)果與以前LBP方案的實驗結(jié)果進(jìn)行比較后,發(fā)現(xiàn)這些擴展實際上已基本實現(xiàn),特別是使用了局部二元模式的主成分分析后能夠?qū)嶒灲Y(jié)果產(chǎn)生有利影響。從訓(xùn)練圖像的特征向量中選出最具代表的特征面進(jìn)行比較,結(jié)果表明,使用PCA的識別率與不使用PCA的識別率幾乎相同,但使用PCA可以顯著降低特征向量的長度�？傊�,通過正確選擇LBP的實驗方案,可以在人臉識別方面取得較好的效果。實驗得出的等級曲線表明,LBP是基于特征的人臉識別系統(tǒng)的最佳方法之一。將該法使用在FERET數(shù)據(jù)庫中,可以實現(xiàn)約97%的識別率。并且由于Set包含不同面部表情的圖像,因此,可以得出LBP對于表情變化有較高的魯棒性的結(jié)論。另一方面,盡管對其他數(shù)據(jù)集的識別率有點不理想,但仍然優(yōu)于用于相同數(shù)據(jù)集的其他方法。
【學(xué)位授予單位】：天津工業(yè)大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2017
【分類號】：TP391.41

【參考文獻(xiàn)】

中國期刊全文數(shù)據(jù)庫 前2條

1 宋麗梅;劉力文;楊燕罡;郭慶華;習(xí)江濤;;An optical sensor for hydrogen sulfide detection in open path using WMS-2f/1f technique[J];Optoelectronics Letters;2016年06期

2 宋麗梅;高艷艷;朱新軍;郭慶華;習(xí)江濤;;A 3D measurement method based on multi-view fringe projection by using a turntable[J];Optoelectronics Letters;2016年05期

，

本文編號：1282528