本文關鍵詞： 視頻穩(wěn)像 運動成像模型 人臉識別 光照 多分類器集成 Shapley值 非局部NeighShrink 降維特征　出處：《浙江大學》2016年博士論文　論文類型：學位論文

【摘要】：對普通場景視頻進行人臉識別時,會受到視頻抖動、光照、姿態(tài)、表情等等因素的影響,其中光照變化對人臉識別系統(tǒng)的影響非常顯著；視頻抖動對圖像的后續(xù)處理以及人工觀察十分不利,因此本文對普通場景視頻在光照變化條件下的視頻穩(wěn)像、人臉檢測,人臉特征提取以及分類器設計等關鍵問題進行了深入研究。論文的主要內(nèi)容如下：第一章闡述了人臉識別研究的背景、意義和目的,并分析了人臉識別中難點和挑戰(zhàn)；同時詳細論述了視頻穩(wěn)像以及可變光照條件下人臉識別研究和應用的現(xiàn)狀以及發(fā)展趨勢,并針對視頻人臉識別的視頻穩(wěn)像以及光照問題,給出了本課題的研究內(nèi)容和思路。第二章論述了人臉識別的一般過程,并針對普通場景視頻人臉識別的關鍵技術進行了詳細剖析,為后續(xù)研究提供了理論基礎。第三章研究了視頻穩(wěn)像算法與視頻人臉圖像穩(wěn)定獲取。在基于旋轉平移運動模型和均值濾波的傳統(tǒng)穩(wěn)像算法基礎上,提出了基于運動成像模型和自適應均值運動濾波算法的穩(wěn)像算法,并將其應用于視頻人臉圖像穩(wěn)定獲取。運動成像模型是將掃描運動和旋轉平移模型融合在一起而構成的運動模型,實現(xiàn)了消除快速掃描運動的影響。同時為了滿足運動成像模型對局部運動點的對稱性要求,采用了塊的二階矩估計局部運動。自適應步長均值運動濾波方法實現(xiàn)了自動判斷抖動過程是否結束,并在抖動結束后用均值濾波方法分離出抖動運動矢量。實驗結果表明,所提出的算法能在存在快速掃描運動情況下有效實現(xiàn)視頻穩(wěn)像,實現(xiàn)了視頻人臉圖像穩(wěn)定獲取。第四章對Adaboost算法的應用進行了深入研究。利用Adaboost算法和Haar-like特征實現(xiàn)了視頻或圖片中人臉的檢測,并采用人眼區(qū)域和人臉區(qū)域的空間約束關系實現(xiàn)假人臉區(qū)域的消除。第五章提出了基于濾波和LBP人臉高階光照不變特征提取方法。針對用濾波方法提取的人臉特征受到較嚴重光照影響以及與濾波參數(shù)有關的問題,采用LBP編碼濾波特征以獲得人臉高階特征,從而減少上述兩個因素對特征的影響,同時低通濾波能夠降低圖像的噪聲,使得高階特征對噪聲具有魯棒性。實驗結果表明,所提出的特征提取方法更能適應光照條件的變化。第六章提出了基于非局部NeighShrink濾波的降維光照不變特征提取方法。該算法將非局部均值濾波思想融入NeighShrink模型,使獲得的非局部NeighShrink模型對光照的自適應能力更強；同時把數(shù)據(jù)融合技術和小波分析結合在一起,實現(xiàn)提取人臉的降維全信息特征。實驗結果證明,所提出的算法能更好地適應光照條件的變化,以及降低后續(xù)計算所需的資源和時間。第七章提出了基于改進的多數(shù)投票法多分類器集成,并對集成系統(tǒng)多樣性進行了研究。改進的多數(shù)投票法用混淆矩陣估計成員分類器把輸入分到某一類的概率,實現(xiàn)了多分類器集成在多類分類問題上性能的提升。同時針對傳統(tǒng)集成系統(tǒng)多樣性度量的不足,提出了基于Shapley值的多樣性度量方法。該方法實現(xiàn)了多樣性描述和分類結果的關聯(lián)。實驗結果證明改進的多數(shù)投票法在多類分類問題上優(yōu)于多數(shù)投票法,以及所提出的多樣性度量方法能較好地衡量集成系統(tǒng)的多樣性。第八章搭建了視頻圖像人臉識別控制系統(tǒng)平臺。該平臺實現(xiàn)了人臉的自動檢測、特征提取與識別功能,并針對抖動視頻設置了穩(wěn)像功能,為以后的研究和應用奠定了基礎。第九章對全文進行了總結。論述了本課題研究的內(nèi)容、結論以及創(chuàng)新點,同時對后續(xù)研究工作作出了展望。
[Abstract]:......
【學位授予單位】：浙江大學
【學位級別】：博士
【學位授予年份】：2016
【分類號】：TP391.41

【相似文獻】

相關期刊論文 前10條

1 駱玉霞,陳煥偉;角度分類器與距離分類器比較研究——以鹽漬土分類為例[J];國土資源遙感;2002年02期

2 孫加慶;具有自學習功能的分類器的自動生成[J];計算機時代;2002年12期

3 潘翔,姚明海,陳國華;多分類器的一種動態(tài)聯(lián)合方法[J];計算機工程與應用;2002年12期

4 馬耀華,何瑗;Augmented Bayes分類器的一種學習方法[J];計算機工程與應用;2002年17期

5 王正群,孫興華,楊靜宇;多分類器組合研究[J];計算機工程與應用;2002年20期

6 馮彥杰,王浣塵;學習分類器在績效尋優(yōu)中的應用及其組織決策意義[J];控制理論與應用;2003年03期

7 唐春生,金以慧;基于全信息矩陣的多分類器集成方法[J];軟件學報;2003年06期

8 唐春生;金以慧;;權重自適應調(diào)整的多分類器集成判決及其在文本分類中的應用[J];計算機科學;2003年01期

9 劉寧鐘;楊靜宇;;基于遺傳算法的組合式分類器選擇[J];模式識別與人工智能;2003年03期

10 柏延臣,王勁峰;結合多分類器的遙感數(shù)據(jù)專題分類方法研究[J];遙感學報;2005年05期

相關會議論文 前10條

1 王占一;徐蔚然;劉東鑫;郭軍;;一種基于兩級分類器的垃圾短信過濾方法[A];第五屆全國信息檢索學術會議論文集[C];2009年

2 陳繼航;劉家鋒;趙巍;唐降龍;;聯(lián)機手寫識別筆段特征分類器的學習方法[A];黑龍江省計算機學會2009年學術交流年會論文集[C];2010年

3 翟靜;李海宏;唐常杰;陳敏敏;李智;;可驗證對象集分類器的再訓練演進[A];第十九屆全國數(shù)據(jù)庫學術會議論文集（研究報告篇）[C];2002年

4 穆明生;;基于特征集的多種分類器模型的在線筆跡認證[A];第十屆全國信號處理學術年會（CCSP-2001）論文集[C];2001年

5 彭濤;左萬利;赫楓齡;;基于鏈接上下文的分類器主題爬行技術(英文)[A];第二十三屆中國數(shù)據(jù)庫學術會議論文集（技術報告篇）[C];2006年

6 王嵐;陳珂;遲惠生;;基于多特征組合多分類器的方法用于“與文本無關”的說話人辨認[A];第四屆全國人機語音通訊學術會議論文集[C];1996年

7 邵小健;段華;賀國平;;一種改進的最少核分類器[A];中國運籌學會第七屆學術交流會論文集（上卷）[C];2004年

8 謝秋玲;;應用于心電圖分類的KNN-SVM分類器研究[A];2006中國控制與決策學術年會論文集[C];2006年

9 胡瓊;汪榮貴;胡韋偉;孫見青;;基于級聯(lián)分類器的快速人臉檢測方法[A];計算機技術與應用進展·2007——全國第18屆計算機技術與應用（CACIS）學術會議論文集[C];2007年

10 李蘭春;王雙成;杜瑞杰;;認知結構評估的動態(tài)貝葉斯網(wǎng)絡分類器方法[A];2011年中國智能自動化學術會議論文集（第一分冊）[C];2011年

相關重要報紙文章 前1條

1 黃明;精子分類器決定生男生女[N];廣東科技報;2000年

相關碩士學位論文 前10條

1 鄒金鳳;基于綜合評價理論的多分類器容器[D];大連理工大學;2005年

2 高鳳娥;分布式環(huán)境下多分類器識別和應用[D];西安電子科技大學;2006年

3 郭霞;一種高效集成分類器及其在蛋白質(zhì)折疊識別中的應用研究[D];湘潭大學;2007年

4 王國林;基于分類器融合的人臉識別研究[D];江蘇科技大學;2011年

5 張晨;多維約束下代價敏感集成分類器的研究[D];廣西師范大學;2009年

6 郭瑜;鑄坯冷酸蝕圖像分類器的設計及研究[D];華中科技大學;2009年

7 孫利;基于多分類器和雙視角信息融合的乳腺鉬靶圖像病灶分類算法研究[D];杭州電子科技大學;2011年

8 強琦;基于統(tǒng)計學習的多類別分類器研究[D];浙江大學;2006年

9 孫麗娜;集成異種分類器分類稀有類[D];鄭州大學;2007年

10 范瑩;基于進化計算和模糊聚類技術的多分類器聯(lián)合研究[D];山東師范大學;2008年

，

本文編號：1506136