發(fā)布時間：2017-06-29 12:10

  本文關(guān)鍵詞：基于改進LBP和AdaBoost的人臉識別技術(shù)研究，，由筆耕文化傳播整理發(fā)布。

【摘要】：人臉識別技術(shù)可以應(yīng)用于軍事、金融、公共安全等領(lǐng)域。特征提取算法是人臉識別技術(shù)中的核心部分,它會直接影響到識別效果。近年來,局部二值模式(Local binary pattern,LBP)及其擴展方法在人臉識別中得到了廣泛應(yīng)用。本文在深入研究這些LBP及擴展算子的基礎(chǔ)上,提出了改進方法。本文主要內(nèi)容如下:1.針對局部二值模式在圖像處理與人臉識別方面表現(xiàn)出的實際應(yīng)用價值,系統(tǒng)綜述了當(dāng)前LBP算子在不同應(yīng)用領(lǐng)域的擴展方法。首先,簡要概述了LBP算子的基本原理;其次,從鄰域拓撲結(jié)構(gòu)角度、降低噪聲影響角度、編碼角度、降維角度與獲取旋轉(zhuǎn)不變性角度等五個方面對LBP算子近年來的相關(guān)擴展方法進行了詳細梳理和歸納總結(jié);最后,分析了各類方法的相互關(guān)系與存在的問題,并指出了未來針對LBP擴展的研究方向。2.針對局部五值模式(Elongated Quinary Pattern,EQP)采用全局閾值定義造成對圖像灰度變化敏感以及在人臉識別中對圖像不同分塊同等對待的問題,提出了REQP(Robust EQP)算子。首先,通過自適應(yīng)方法來設(shè)置閾值,以提高其對圖像灰度變化的魯棒性;其次,通過特征塊加權(quán)處理,融入了每個分塊結(jié)構(gòu)對比信息,以突出不同分塊的不同作用。在YALE、ORL人臉庫實驗結(jié)果表明,新方法明顯提高了EQP算子的識別效果。3.針對REQP算子提取的特征中有許多冗余數(shù)據(jù),首先采用特征選擇方法進行降維處理;其次,基于Adaboost算法及降維后的二值模式特征實現(xiàn)了人臉識別。在YALE、ORL人臉庫的實驗結(jié)果表明,用降維后的特征進行識別有效提高了人臉識別的準(zhǔn)確度。
【關(guān)鍵詞】：人臉識別 局部二值模式 局部五值模式 增強局部五值模式 Adaboost
【學(xué)位授予單位】：河南理工大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2015
【分類號】：TP391.41
【目錄】：

• 致謝4-5
• 摘要5-6
• Abstract6-10
• 1 引言10-16
• 1.1 人臉識別技術(shù)發(fā)展10-11
• 1.2 人臉識別關(guān)鍵技術(shù)11-13
• 1.2.1 人臉檢測11-12
• 1.2.2 人臉識別12-13
• 1.3 本文研究內(nèi)容與組織結(jié)構(gòu)13-16
• 1.3.1 本文研究內(nèi)容13-14
• 1.3.2 本文組織結(jié)構(gòu)14-16
• 2 局部二值模式及其擴展方法綜述16-38
• 2.1 引言16
• 2.2 基本LBP算子16-17
• 2.3 LBP算子擴展17-34
• 2.3.1 從鄰域拓撲結(jié)構(gòu)角度進行擴展17-21
• 2.3.2 從降低噪聲影響角度對LBP進行改進21-24
• 2.3.3 從編碼方式角度進行擴展24-28
• 2.3.4 從降維角度對LBP進行改進28-31
• 2.3.5 從獲取旋轉(zhuǎn)不變性角度對LBP進行改進31-34
• 2.4 LBP在人臉識別中的應(yīng)用34-35
• 2.5 分析與展望35-37
• 2.6 本章小結(jié)37-38
• 3 基于增強EQP算子的人臉識別38-48
• 3.1 EQP算子38-39
• 3.2 增強的EQP算子39-41
• 3.2.1 自適應(yīng)閾值39-40
• 3.2.2 特征塊加權(quán)40-41
• 3.2.3 人臉特征匹配41
• 3.3 實驗與分析41-47
• 3.4 本章小結(jié)47-48
• 4 基于特征選擇和AdaBoost的人臉識別48-56
• 4.1 Boosting48
• 4.2 AdaBoost概述48-50
• 4.2.1 AdaBoost性能和誤差分析49-50
• 4.2.2 改進的AdaBoost算法50
• 4.3 特征選擇50-52
• 4.3.1 自適應(yīng)學(xué)習(xí)模型51
• 4.3.2 差分進化優(yōu)化方法51-52
• 4.4 實驗與分析52-55
• 4.5 本章小結(jié)55-56
• 5 總結(jié)與展望56-58
• 5.1 總結(jié)56
• 5.2 展望56-58
• 參考文獻58-68
• 作者簡歷68-70
• 學(xué)位論文數(shù)據(jù)集70

【相似文獻】

中國期刊全文數(shù)據(jù)庫 前10條

1 林志陽;康耀紅;雷景生;;基于Adaboost的車標(biāo)定位方法[J];計算機工程;2008年11期

2 張磊;;基于AdaBoost的側(cè)面人臉、人耳檢測[J];科學(xué)大眾;2008年08期

3 付忠良;;關(guān)于AdaBoost有效性的分析[J];計算機研究與發(fā)展;2008年10期

4 張崗?fù)?楊全;;兩種Adaboost方法在人臉檢測中的比較研究[J];微計算機信息;2009年24期

5 嚴超;王元慶;李久雪;張兆揚;;AdaBoost分類問題的理論推導(dǎo)[J];東南大學(xué)學(xué)報(自然科學(xué)版);2011年04期

6 李印;;基于AdaBoost的行人檢測研究與實現(xiàn)[J];數(shù)字技術(shù)與應(yīng)用;2012年03期

7 蘇加強;丁柳云;;基于R的監(jiān)督式AdaBoost異常值檢測應(yīng)用[J];淮海工學(xué)院學(xué)報(自然科學(xué)版);2013年01期

8 張志勛;張磊;楊凡;;一種改進的Adaboost人臉檢測方法[J];自動化與儀器儀表;2013年06期

9 王海川,張立明;一種新的Adaboost快速訓(xùn)練算法[J];復(fù)旦學(xué)報(自然科學(xué)版);2004年01期

10 趙江,徐魯安;基于AdaBoost算法的目標(biāo)檢測[J];計算機工程;2004年04期

中國重要會議論文全文數(shù)據(jù)庫 前10條

1 Wen Feng;;A Novel Lips Detection Method Combined Adaboost Algorithm and Camshift Algorithm[A];2012年計算機應(yīng)用與系統(tǒng)建模國際會議論文集[C];2012年

2 張超;苗振江;;基于AdaBoost的面部信息感知[A];第十三屆全國信號處理學(xué)術(shù)年會（CCSP-2007）論文集[C];2007年

3 郭翌;汪源源;;基于Adaboost算法的頸動脈粥樣硬化判別方法[A];中國儀器儀表學(xué)會第十一屆青年學(xué)術(shù)會議論文集[C];2009年

4 張紅梅;高海華;王行愚;;抑制樣本噪聲的AdaBoost算法及其在入侵檢測中的應(yīng)用[A];2007年中國智能自動化會議論文集[C];2007年

5 陸文聰;鈕冰;金雨歡;;基于AdaBoost算法的亞細胞位置預(yù)測[A];中國化學(xué)會第26屆學(xué)術(shù)年會化學(xué)信息學(xué)與化學(xué)計量學(xué)分會場論文集[C];2008年

6 陳宏偉;劉建偉;費向東;;一種半監(jiān)督環(huán)境下的Adaboost算法[A];2008'中國信息技術(shù)與應(yīng)用學(xué)術(shù)論壇論文集（二）[C];2008年

7 唐曉丹;苗振江;;基于AdaBoost和粒子濾波的目標(biāo)跟蹤[A];第十四屆全國圖象圖形學(xué)學(xué)術(shù)會議論文集[C];2008年

8 張彬;金連文;;基于AdaBoost的手寫體漢字相似字符識別[A];第二十六屆中國控制會議論文集[C];2007年

9 ;Using Skin Color and HAD-AdaBoost Algorithm for Face Detection in Color Images[A];Information Technology and Computer Science—Proceedings of 2012 National Conference on Information Technology and Computer Science[C];2012年

10 肖磊;李麗;肖佳文;;基于AdaBoost-SVM的上市公司信用風(fēng)險評估[A];2012管理創(chuàng)新、智能科技與經(jīng)濟發(fā)展研討會論文集[C];2012年

中國博士學(xué)位論文全文數(shù)據(jù)庫 前4條

1 佟旭;基于復(fù)雜網(wǎng)絡(luò)理論的糖尿病腎病辨證建模研究[D];北京中醫(yī)藥大學(xué);2016年

2 劉沖;模擬電路故障診斷AdaBoost集成學(xué)習(xí)方法研究[D];大連海事大學(xué);2011年

3 張?zhí)珜?人眼注視點估計方法的研究[D];南開大學(xué);2013年

4 趙培英;基于智能計算的膜蛋白結(jié)構(gòu)與相互作用預(yù)測研究[D];東華大學(xué);2010年

中國碩士學(xué)位論文全文數(shù)據(jù)庫 前10條

1 皮麗琴;基于AdaBoost-GASVM算法和LDA主題模型的短文本分類研究[D];華南理工大學(xué);2015年

2 孫斌;一種基于Adaboost的實時行人檢測算法[D];華南理工大學(xué);2015年

3 蔡澤彬;基于視頻分析的行人檢測及統(tǒng)計方法研究[D];華南理工大學(xué);2015年

4 游晴;Adaboost人臉檢測算法研究及其在硬件平臺上的實現(xiàn)[D];昆明理工大學(xué);2015年

5 宋雨;基于視覺圖片的腦—機接口控制研究[D];天津理工大學(xué);2015年

6 林欣;基于改進膚色模型的AdaBoost人臉檢測算法研究[D];陜西科技大學(xué);2015年

7 袁浩杰;Adaboost算法的并行化及其在目標(biāo)分類中的應(yīng)用[D];華南理工大學(xué);2015年

8 張恒;基于近紅外圖像的疲勞駕駛檢測研究與系統(tǒng)實現(xiàn)[D];長安大學(xué);2015年

9 朱非易;基于不平衡學(xué)習(xí)的蛋白質(zhì)—維生素綁定位點預(yù)測研究[D];南京理工大學(xué);2015年

10 張元;一種基于AdaBoost的組合分類算法研究[D];四川師范大學(xué);2015年

  本文關(guān)鍵詞：基于改進LBP和AdaBoost的人臉識別技術(shù)研究，由筆耕文化傳播整理發(fā)布。

本文編號：497839