使用常規(guī)相機(jī)獲得的人臉圖像可能具有固定的限制,阻礙臉部圖像中一些特定信息表達(dá)。為了實(shí)現(xiàn)更好的性能,通過專門的采集方法捕獲的3D面部已經(jīng)用于改進(jìn)的方法。雖然由于諸如成本和可訪問性的若干問題,這些3D圖像仍然難以獲得,但是低成本的深度傳感器如Kinect允許直接獲取3D信息以及RGB彩色圖像。這為計(jì)算機(jī)視覺和人臉識別研究提供了新的機(jī)會(huì)。本文的主要工作如下:1.調(diào)研了一系列基于RGB-D數(shù)據(jù)的人臉識別方法。探討了低成本深度傳感器Kinect在人臉識別過程中獲取深度的有效性并獲得一系列結(jié)論。僅僅使用深度圖像進(jìn)行人臉識別的分類結(jié)果超出了人類期望的知覺,將RGB和深度圖像結(jié)合確實(shí)提高了識別性能,并且Kinect深度圖像的性能高度依賴預(yù)處理步驟。以上結(jié)論證明了研究RGB-D人臉識別的意義。2.提出了一種緊密的二值描述子用于解決RGB-D人臉識別過程中的特征表達(dá)問題。首先,該方法不同于傳統(tǒng)的使用手工設(shè)計(jì)的特征,其使用無監(jiān)督學(xué)習(xí)的方法從訓(xùn)練數(shù)據(jù)學(xué)習(xí)緊密的二值特征,自動(dòng)的在可區(qū)分性和不變性之間達(dá)到了很好的折中;其次,為了有效的利用空間上下文信息,該方法并非采用原始的像素作為訓(xùn)練數(shù)據(jù),而使用像素與周圍像素的... 

【文章頁數(shù)】：68 頁

【學(xué)位級別】：碩士

【文章目錄】：
摘要
ABSTRACT
第1章 緒論
    1.1 人臉識別背景及意義
    1.2 國內(nèi)外研究現(xiàn)狀及發(fā)展趨勢
    1.3 論文研究的內(nèi)容和結(jié)構(gòu)安排
        1.3.1 研究內(nèi)容
        1.3.2 結(jié)構(gòu)安排
第2章 基礎(chǔ)理論知識
    2.1 人臉檢測基本方法
        2.1.1 基于RGB圖像的人臉檢測
        2.1.2 基于深度圖像的人臉檢測
    2.2 Kinect簡介
        2.2.1 Kinect相關(guān)背景知識
        2.2.2 Kinect采集的圖像
    2.3 Kinect深度圖像增強(qiáng)方法
        2.3.1 雙邊濾波
        2.3.2 區(qū)域增長和雙邊濾波
    2.4 本章小結(jié)
第3章 基于靜態(tài)RGB-D數(shù)據(jù)的人臉描述與識別
    3.1 常用人臉描述子
    3.2 LBP和三維LBP(3DLBP)
    3.3 緊密二值描述子
    3.4 RGB-D人臉表示
    3.5 實(shí)驗(yàn)結(jié)果及分析
        3.5.1 RGB-D數(shù)據(jù)集介紹
        3.5.2 實(shí)驗(yàn)1
        3.5.3 實(shí)驗(yàn)2
        3.5.4 實(shí)驗(yàn)3
    3.6 本章小結(jié)
第4章 基于Kinect的實(shí)時(shí)的人臉識別
    4.1 概序
    4.2 基于隨機(jī)森林的頭部姿勢估計(jì)
        4.2.1 訓(xùn)練
        4.2.2 測試
    4.3 基于AAM的人臉矯正
        4.3.1 形狀和紋理模型建立
        4.3.2 AAM模型匹配
        4.3.3 多姿態(tài)AAM模型
    4.4 主要原理和步驟
        4.4.1 標(biāo)定Kinect傳感器
        4.4.2 Kinect V2深度圖去噪
        4.4.3 人臉檢測與識別
    4.5 實(shí)驗(yàn)結(jié)果與分析
        4.5.1 數(shù)據(jù)集介紹
        4.5.2 實(shí)驗(yàn)與結(jié)果分析
    4.6 本章小結(jié)
第5章 總結(jié)和展望
    5.1 本文的工作總結(jié)
    5.2 今后的工作展望
參考文獻(xiàn)
致謝
在讀期間發(fā)表的學(xué)術(shù)論文與取得的其他研究成果


【參考文獻(xiàn)】：
期刊論文
[1]基于緊密二值描述子的RGB-D人臉描述方法[J]. 劉小金,尹東,王華凌.  光電工程. 2016(12)
[2]低分辨率KINECT傳感器采集三維點(diǎn)云的人臉識別[J]. 宋國平.  激光雜志. 2014(10)
[3]中值流輔助在線多示例目標(biāo)跟蹤[J]. 王德建,張榮,尹東,張智瑞.  中國圖象圖形學(xué)報(bào). 2013(01)
[4]主動(dòng)協(xié)同半監(jiān)督粗糙集分類模型[J]. 高燦,苗奪謙,張志飛,劉財(cái)輝.  模式識別與人工智能. 2012(05)
[5]用于圖像處理的自適應(yīng)中值濾波[J]. 張旭明,徐濱士,董世運(yùn).  計(jì)算機(jī)輔助設(shè)計(jì)與圖形學(xué)學(xué)報(bào). 2005(02)



本文編號：3667647