人臉是一種相對(duì)穩(wěn)定的生物特征,也是一種安全度比較高的身份認(rèn)證方式。由于應(yīng)用前景廣闊,人臉識(shí)別引起了很多學(xué)者的研究興趣。到目前為止,研究人員提出了很多識(shí)別算法,其中有些算法逐步成熟,已經(jīng)在安保、金融以及無人駕駛等領(lǐng)域得到了實(shí)際應(yīng)用。近年來,基于深度學(xué)習(xí)的人臉識(shí)別成為熱點(diǎn)并且得到了很高的識(shí)別率。但基于深度學(xué)習(xí)的人臉識(shí)別算法模型訓(xùn)練時(shí)間長,計(jì)算復(fù)雜性高并要占用大量的計(jì)算資源。針對(duì)此問題,本文基于寬度學(xué)習(xí)這一新的機(jī)器學(xué)習(xí)方法,研究了人臉識(shí)別問題,主要工作如下:首先,提出了一種基于寬度學(xué)習(xí)的人臉識(shí)別算法。該算法首先利用灰度直方圖均衡化消除光照的影響,再用Fisher鑒別準(zhǔn)則提取人臉特征形成Fisher特征臉,所得到的特征作為寬度學(xué)習(xí)網(wǎng)絡(luò)的輸入用于訓(xùn)練寬度模型。由于寬度學(xué)習(xí)網(wǎng)絡(luò)是單隱層網(wǎng)絡(luò),采用最小二乘類算法訓(xùn)練,訓(xùn)練時(shí)間大大縮短。另外,除了直接輸入的人臉Fisher特征外,寬度網(wǎng)絡(luò)的特征增強(qiáng)層還進(jìn)一步將Fisher特征進(jìn)一步增強(qiáng),間接利用了人臉的深層次特征。實(shí)驗(yàn)結(jié)果表明,本算法在占用較少計(jì)算資源的情況下,獲得了較高的識(shí)別準(zhǔn)確率。其次,提出了一種基于寬度學(xué)習(xí)的表情識(shí)別算法。與文獻(xiàn)中的其他算法不同,... 

【文章來源】：燕山大學(xué)河北省

【文章頁數(shù)】：58 頁

【學(xué)位級(jí)別】：碩士

【部分圖文】：

不同分

燕山大學(xué)工學(xué)碩士學(xué)位論文征向量重構(gòu)出的特征臉。圖像的原始尺寸為112×92，從圖中可以看到，隨著特征向量數(shù)量的增加，特征臉越清晰。在輪廓特征方面，圖2-1（f）得到的特征臉幾乎等于原始圖像，此時(shí)的數(shù)據(jù)維度為1×92。達(dá)到了降維的效果。a)原始圖像b)20個(gè)特征向量c)30個(gè)特征向量d)50個(gè)特征向量e)80個(gè)特征向量f)92個(gè)特征向量圖2-1不同分辨率圖像2.1.2LDA特征提取LDA作為一種經(jīng)典的特征提取方法。通過計(jì)算最小化類內(nèi)散度矩陣和最大化類間散度矩陣，在線性的子空間內(nèi)尋找出投影的最佳方向。通過加入人臉標(biāo)簽實(shí)現(xiàn)監(jiān)督式學(xué)習(xí)，能夠提取到樣本類間存在的信息。圖2-2展示了兩類樣本通過LDA尋找到最佳的投影方向。22.533.544.555.5602468圖2-2LDA尋找投影方向假設(shè)，樣本訓(xùn)練集為V=(v1,v2,...,vm),V∈Rn×m，其中，n為像素值，m為-12-


本文編號(hào)：3513068