学位论文 > 优秀研究生学位论文题录展示
人脸面部特征定位与人脸识别方法的研究
作 者: 王巍
导 师: 尹宝才
学 校: 北京工业大学
专 业: 计算机应用技术
关键词: 人脸面部特征定位 人脸识别 主动形状模型 主动表观模型 线性判别分析 特征脸
分类号: TP391.41
类 型: 硕士论文
年 份: 2003年
下 载: 452次
引 用: 4次
阅 读: 论文下载
内容摘要
本文的研究工作包括人脸面部特征定位和人脸识别两个部分。在人脸面部特征定位的研究中,采用了基于主动形状模型(ASM)和主动表观模型(AAM)的方法。并在此基础上,提出了基于局部纹理模型和全局纹理模型相结合的图像解释方法来进行面部特征定位。在基于ASM的面部特征定位的研究中,本文对标准的ASM进行了改进。在特征点搜索过程中,提出了局部区域约束和边缘约束的搜索策略。提出了增加相关性的特征点标定策略并设计了一个半自动的人脸特征点标定工具,以提高特征点标定的精度及效率。实验表明,本文提出的改进的主动形状模型较为显著的提高了面部特征定位的精度。本文还研究了基于AAM的面部特征定位方法,分析了灰度模型参数及表观模型参数在人脸重构中的作用。通过对ASM和AAM原理及性能的综合分析,本文提出了基于局部纹理模型和全局纹理模型相结合的图像解释方法。该方法在利用ASM中局部纹理模型搜索方法的同时,又利用了全局纹理来进行合理性约束,并采用了基于全局纹理来进行形状预测的方法。为确定形状对纹理的匹配程度,本文提出了基于形状无关纹理子空间重构残差的匹配度评定标准。实验证明了这一标准的合理性。利用该匹配度评定标准,将基于局部纹理模型的搜索方法和基于全局纹理预测的方法有机的结合了起来,保证了搜索过程中匹配度的不断提高,从而提高了搜索方法的鲁棒性。 在人脸识别算法的研究中,本文研究了基于Fisher线性判别分析的人脸识别算法。该方法将基于主成分分析(PCA)的特征脸方法和基于线性判别分析(LDA)的分类方法有机的结合起来。单纯采用PCA方法来进行人脸特征的提取,得到的是人脸的最佳表示特征,但这些特征对于分类来说并不是最佳的。LDA方法在提取特征的过程中,充分利用了类别的信息,可以得到最利于分类的人脸特征。但人脸的原始特征空间维数很高,无法直接利用LDA方法提取分类特征。本文研究的算法首先应用PCA方法降低人脸特征空间的维数,然后运用LDA方法进行最利于分类的投影,来实现对人脸的识别。实验表明,采用该方法得到的识别率要远优于单纯采用PCA方法的结果。基于此算法,本文实现了一个针对视频图像的人脸自动识别系统。该系统集成了人脸检测、瞳孔定位、人脸识别等算法。通过对连续视频图像的分析实现了较为鲁棒的准实时的人脸识别。
|
全文目录
摘要 3-5 ABSTRACT 5-10 第一章 绪论 10-18 1.1 人脸面部特征定位 10-13 1.1.1 研究意义及背景 10-11 1.1.2 国内外研究状况 11-13 1.2 人脸识别 13-15 1.2.1 研究意义及背景 13-14 1.2.2 国内外研究状况 14-15 1.3 本文的贡献 15-16 1.4 论文的组织安排 16-18 第二章 基于主动形状模型的面部特征定位及改进 18-40 2.1 主动形状模型 18-30 2.1.1 特征点标定 18-19 2.1.2 形状模型的建立 19-25 2.1.3 局部纹理建模 25-26 2.1.4 ASM目标搜索过程 26-29 2.1.5 ASM多分辨率搜索策略 29-30 2.2 改进的主动形状模型 30-38 2.2.1 半自动的特征点标定工具 30-31 2.2.2 瞳孔的精确定位 31-32 2.2.3 改进的搜索策略 32-37 2.2.4 实验结果 37-38 2.3 本章小节 38-40 第三章 基于主动表观模型的人脸面部特征定位 40-54 3.1 统计形状模型的建立 40 3.2 统计纹理模型的建立 40-45 3.2.1 形状无关图像的获得 40-43 3.2.2 对形状无关图像进行主成分分析 43-44 3.2.3 对纹理模型中参数的分析 44-45 3.3 统计表观模型 45-49 3.3.1 统计表观模型建模 46-47 3.3.2 统计表观模型参数分析 47-48 3.3.3 统计表观模型对图像的重构 48-49 3.4 主动表观模型搜索算法 49-51 3.4.1 优化线性关系矩阵的建立 49-51 3.4.2 利用模型进行搜索 51 3.5 试验结果 51-52 3.6 本章小节 52-54 第四章 基于局部纹理模型和全局纹理模型相结合方法的面部特征定位 54-61 4.1 主动形状模型和主动表观模型的优缺点分析 54-55 4.2 匹配度评价标准 55-56 4.2.1 子空间重构残差的计算 55 4.2.2 子空间重构残差作为匹配度的合理性 55-56 4.3 基于形状和全局纹理模型的特征搜索方法 56-59 4.3.1 基于全局纹理预测的方法 57 4.3.2 特征搜索过程 57-59 4.4 试验结果 59-60 4.4.1 人脸库的结构 59 4.4.2 实验方法及结果 59-60 4.5 本章小节 60-61 第五章 基于FISHER线性判别式的人脸识别方法 61-76 5.1 特征脸方法 61-64 5.1.1 人脸图像的归一化 61-62 5.1.2 计算K-L变换 62-63 5.1.3 人脸特征子空间 63-64 5.2 线性判别分析 64-68 5.2.1 Fisher线性判别 65-66 5.2.2 投影矩阵的计算 66-67 5.2.3 用Fisher线性判别分析提取人脸图像特征 67 5.2.4 Fisher线性判别的优缺点分析 67-68 5.3 主成分分析和线性判别分析相结合提取人脸图像特征 68-70 5.4 实验及结果 70-74 5.4.1 人脸图像的训练集和测试集 71 5.4.2 人脸识别系统的训练过程 71-72 5.4.3 实验结果及分析 72-74 5.5 基于视频的人脸识别系统 74-75 5.5.1 总体结构 74-75 5.5.2 系统特点及性能 75 5.6 本章小节 75-76 结论和展望 76-78 参考文献 78-84 攻读硕士学位期间发表的论文 84-85 致谢 85
|
相似论文
- 2D人脸模板保护算法研究,TP391.41
- 基于差分演化的人脸识别方法研究,TP391.41
- 基于AdaBoost算法的人脸识别研究,TP391.41
- 基于人脸识别的图像美化系统设计与实现,TP391.41
- 基于特征融合的人脸识别算法研究,TP391.41
- 面向电力营销服务的客户身份自动识别系统设计,TP391.41
- 基于小波变换和线性子空间的人脸识别技术研究,TP391.41
- 人脸特征提取系统的关键技术研究及其DSP实现,TP391.41
- 基于特征点定位的虚拟试戴的研究,TP391.41
- 基于稀疏表示的人脸图像识别方法研究,TP391.41
- 智能化教学中的情感识别方法研究,TP391.41
- CT图像序列中腹主动脉瘤的分割及可视化研究,TP391.41
- 基于优化的贝叶斯人脸识别方法,TP391.41
- 适用于模板保护技术的三维人脸识别算法研究,TP391.41
- 3D掌纹特征提取和匹配方法的研究,TP391.41
- 基于人脸识别算法的研究及门禁系统的设计与实现,TP273.5
- 基于特征提取的特征选择研究,TP391.41
- 快速人脸检测与识别技术的研究,TP391.41
- 稀疏线性判别分析在文本分类中的应用研究,TP391.1
- 基于AAM的多角度人脸识别方法研究,TP391.41
- 人脸识别技术研究,TP391.41
中图分类: > 工业技术 > 自动化技术、计算机技术 > 计算技术、计算机技术 > 计算机的应用 > 信息处理(信息加工) > 模式识别与装置 > 图像识别及其装置
© 2012 www.xueweilunwen.com
|