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

【摘要】：人臉識(shí)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(shí)別技術(shù)中的核心部分,它會(huì)直接影響到識(shí)別效果。近年來(lái),局部二值模式(Local binary pattern,LBP)及其擴(kuò)展方法在人臉識(shí)別中得到了廣泛應(yīng)用。本文在深入研究這些LBP及擴(kuò)展算子的基礎(chǔ)上,提出了改進(jìn)方法。本文主要內(nèi)容如下:1.針對(duì)局部二值模式在圖像處理與人臉識(shí)別方面表現(xiàn)出的實(shí)際應(yīng)用價(jià)值,系統(tǒng)綜述了當(dāng)前LBP算子在不同應(yīng)用領(lǐng)域的擴(kuò)展方法。首先,簡(jiǎn)要概述了LBP算子的基本原理;其次,從鄰域拓?fù)浣Y(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(gè)方面對(duì)LBP算子近年來(lái)的相關(guān)擴(kuò)展方法進(jìn)行了詳細(xì)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(wèn)題,并指出了未來(lái)針對(duì)LBP擴(kuò)展的研究方向。2.針對(duì)局部五值模式(Elongated Quinary Pattern,EQP)采用全局閾值定義造成對(duì)圖像灰度變化敏感以及在人臉識(shí)別中對(duì)圖像不同分塊同等對(duì)待的問(wèn)題,提出了REQP(Robust EQP)算子。首先,通過(guò)自適應(yīng)方法來(lái)設(shè)置閾值,以提高其對(duì)圖像灰度變化的魯棒性;其次,通過(guò)特征塊加權(quán)處理,融入了每個(gè)分塊結(jié)構(gòu)對(duì)比信息,以突出不同分塊的不同作用。在YALE、ORL人臉庫(kù)實(shí)驗(yàn)結(jié)果表明,新方法明顯提高了EQP算子的識(shí)別效果。3.針對(duì)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(jìn)行降維處理;其次,基于Adaboost算法及降維后的二值模式特征實(shí)現(xiàn)了人臉識(shí)別。在YALE、ORL人臉庫(kù)的實(shí)驗(yàn)結(jié)果表明,用降維后的特征進(jìn)行識(shí)別有效提高了人臉識(shí)別的準(zhǔn)確度。
【關(guān)鍵詞】：人臉識(shí)別 局部二值模式 局部五值模式 增強(qiáng)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(jí)別】：碩士
【學(xué)位授予年份】：2015
【分類號(hào)】：TP391.41
【目錄】：

• 致謝4-5
• 摘要5-6
• Abstract6-10
• 1 引言10-16
• 1.1 人臉識(shí)別技術(shù)發(fā)展10-11
• 1.2 人臉識(shí)別關(guān)鍵技術(shù)11-13
• 1.2.1 人臉檢測(cè)11-12
• 1.2.2 人臉識(shí)別12-13
• 1.3 本文研究?jī)?nèi)容與組織結(jié)構(gòu)13-16
• 1.3.1 本文研究?jī)?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(kuò)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(kuò)展17-34
• 2.3.1 從鄰域拓?fù)浣Y(jié)構(gòu)角度進(jìn)行擴(kuò)展17-21
• 2.3.2 從降低噪聲影響角度對(duì)LBP進(jìn)行改進(jìn)21-24
• 2.3.3 從編碼方式角度進(jìn)行擴(kuò)展24-28
• 2.3.4 從降維角度對(duì)LBP進(jìn)行改進(jìn)28-31
• 2.3.5 從獲取旋轉(zhuǎn)不變性角度對(duì)LBP進(jìn)行改進(jìn)31-34
• 2.4 LBP在人臉識(shí)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(qiáng)EQP算子的人臉識(shí)別38-48
• 3.1 EQP算子38-39
• 3.2 增強(qiáng)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(shí)驗(yàn)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(shí)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(jìn)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(jìn)化優(yōu)化方法51-52
• 4.4 實(shí)驗(yàn)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(xiàn)58-68
• 作者簡(jiǎn)歷68-70
• 學(xué)位論文數(shù)據(jù)集70

【相似文獻(xiàn)】

中國(guó)期刊全文數(shù)據(jù)庫(kù) 前10條

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

2 張磊;;基于AdaBoost的側(cè)面人臉、人耳檢測(cè)[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(jì)算機(jī)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(cè)中的比較研究[J];微計(jì)算機(jī)信息;2009年24期

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

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

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

8 張志勛;張磊;楊凡;;一種改進(jìn)的Adaboost人臉檢測(cè)方法[J];自動(dòng)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(bào)(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(cè)[J];計(jì)算機(jī)工程;2004年04期

中國(guó)重要會(huì)議論文全文數(shù)據(jù)庫(kù) 前10條

1 Wen Feng;;A Novel Lips Detection Method Combined Adaboost Algorithm and Camshift Algorithm[A];2012年計(jì)算機(jī)應(yīng)用與系統(tǒng)建模國(guó)際會(huì)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(guó)信號(hào)處理學(xué)術(shù)年會(huì)（CCSP-2007）論文集[C];2007年

3 郭翌;汪源源;;基于Adaboost算法的頸動(dòng)脈粥樣硬化判別方法[A];中國(guó)儀器儀表學(xué)會(huì)第十一屆青年學(xué)術(shù)會(huì)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(cè)中的應(yīng)用[A];2007年中國(guó)智能自動(dòng)化會(huì)議論文集[C];2007年

5 陸文聰;鈕冰;金雨歡;;基于AdaBoost算法的亞細(xì)胞位置預(yù)測(cè)[A];中國(guó)化學(xué)會(huì)第26屆學(xué)術(shù)年會(huì)化學(xué)信息學(xué)與化學(xué)計(jì)量學(xué)分會(huì)場(chǎng)論文集[C];2008年

6 陳宏偉;劉建偉;費(fèi)向東;;一種半監(jiān)督環(huán)境下的Adaboost算法[A];2008'中國(guó)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(guó)圖象圖形學(xué)學(xué)術(shù)會(huì)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(shí)別[A];第二十六屆中國(guó)控制會(huì)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(xiǎn)評(píng)估[A];2012管理創(chuàng)新、智能科技與經(jīng)濟(jì)發(fā)展研討會(huì)論文集[C];2012年

中國(guó)博士學(xué)位論文全文數(shù)據(jù)庫(kù) 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(diǎn)估計(jì)方法的研究[D];南開大學(xué);2013年

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

中國(guó)碩士學(xué)位論文全文數(shù)據(jù)庫(kù) 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(shí)時(shí)行人檢測(cè)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(cè)及統(tǒng)計(jì)方法研究[D];華南理工大學(xué);2015年

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

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

6 林欣;基于改進(jìn)膚色模型的AdaBoost人臉檢測(cè)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(cè)研究與系統(tǒng)實(shí)現(xiàn)[D];長(zhǎng)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(diǎn)預(yù)測(cè)研究[D];南京理工大學(xué);2015年

10 張?jiān)?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(jìn)LBP和AdaBoost的人臉識(shí)別技術(shù)研究，由筆耕文化傳播整理發(fā)布。

本文編號(hào)：497839