学位论文 > 优秀研究生学位论文题录展示
自动人脸识别的关键问题研究
作 者: 葛微
导 师: 朱明
学 校: 中国科学院研究生院(长春光学精密机械与物理研究所)
专 业: 机械电子工程
关键词: PIE问题 Adaboost算法 YCbCr肤色模型检测 Retinex理论 传导函数 子空间分析 Gabor变换 局部二值模式(LBP) SIFT算法 达芬奇DM6446
分类号: TP391.41
类 型: 博士论文
年 份: 2010年
下 载: 1475次
引 用: 6次
阅 读: 论文下载
内容摘要
自动人脸识别技术是一个热门的研究课题。目前,在可控光照、用户配合的条件下,人脸识别技术已经相当成熟。但在非理想条件下(如光照可变、姿态可变、表情变化等)的人脸识别性能还尚待提高。相对于光照不变的情况,人脸识别系统在光照变化时的识别率会下降一个数量级,当同时考虑其它因素时,识别性能会更显著的降低。因此,目前自动人脸识别领域的关键问题主要有以下几点:(1)非理想条件下尤其是光照、姿态、表情可变(PIE problems)的人脸识别;(2)鲁棒的多视角人脸检测;(3)人脸图像特征提取及降维问题;(4)人脸图像的表情分析和建模;(5)建立实用鲁棒的自动人脸识别系统。论文主要围绕这些关键问题展开研究,力求提出对PIE问题具有一定鲁棒性的且能提高识别率的人脸识别核心算法。论文的主要研究工作如下:1.研究了基于Haar-like特征的Adaboost算法构造级联强分类器进行快速人脸检测,并针对Adaboost算法易将类似人脸灰度形状的非人脸分布区域误检测为人脸的问题,提出将YCbCr肤色模型检测法与Adaboost联合使用,即用肤色检测法对Adaboost算法的检测结果进行后期验证,对非人脸进行剔除,大量实验表明该方法能排除几乎全部的被误检测的非人脸区域,提高了检测率,为下一步的识别做好准备。2.为了提高光照变化条件下的人脸识别率,研究了基于Retinex理论框架下的光照处理方法。针对传统的Retinex算法在处理人脸侧光照图像时会误增强阴影的边缘,提出一种基于新的传导函数的自适应平滑Retinex算法。该传导函数用空间梯度和像素的局部不一致性两种方式共同测量灰度的剧烈变化程度,在平滑图像的同时没有边缘增强效应,且不会损失人脸特征边缘。在平滑估计的迭代过程中选取上一次与此次迭代结果中的较大值作为约束条件也保证了此方法估计出的亮度图像能满足Retinex理论的约束条件。实验结果表明,该算法能有效改善强侧光照时的阴影现象且没有损失人脸特征边缘,提高了识别率。并同样适用于无强侧光照情况,具有光照鲁棒性,可适用于任何光照条件下的人脸识别。3.研究了基于全局特征的人脸识别方法,主要进行了子空间特征提取方法与分类器的选择策略研究。结合理论研究与实验结果分析了PCA、LDA、ICA、FastICA四种子空间方法的利弊,并用三种距离分类器分别与以上四种方法组合实验,分析得出最佳的组合策略。证明了只有选取适合于子空间分析方法所得到的特征子空间的分类器才能取得较理想的识别效果。4.研究了基于局部特征的人脸识别方法,提出了一种GLBP-PCA的方法。首先对规范化的人脸图像进行5个尺度、8个方向的Gabor滤波,对得到的幅值图利用局部二值模式(LBP)算子提取局部邻域关系模式,用这些模式区域形成的直方图序列描述人脸。为解决维数过高问题,提出用PCA方法对表示成向量形式的直方图序列进行降维识别,而非直接匹配直方图序列进行识别。实验结果显示GLBP-PCA方法较只使用LBP算子时大大提高了识别率,且计算不复杂。5.提出利用SIFT算法进行光照、姿态、表情变化时的人脸识别研究。实验证明其可以克服不同人脸间的整体相似性,能够提取出人脸的局部细节信息。利用SIFT算法的优势在于:不用先对图像进行复杂的规范化处理,也不需要训练过程,计算和做实验都很简便。通过在三个存在复杂PIE问题的人脸库的实验结果表明,SIFT算法用于光照、姿态、表情变化情况的人脸识别具有很大的潜力。6.设计了的一个自动人脸识别系统,系统的功能是能实时鉴别视频中人脸的身份,可用于闭集人脸识别的多种场合。核心算法分别为Adaboost算法结合YCbCr肤色模型进行多人脸检测和SIFT人脸识别算法。用VC对系统进行了软件仿真,实现了AVI视频(包括光照变化的)的自动人脸识别(从检测到最后识别)。最后给出了基于DM6446的系统框架设计方案。
|
全文目录
摘要 5-7 Abstract 7-17 第1章 绪论 17-31 1.1 自动人脸识别的研究背景与意义 17-22 1.1.1 人体生物特征识别的研究背景 17-21 1.1.2 自动人脸识别的研究意义 21-22 1.2 自动人脸识别的研究内容 22 1.3 自动人脸识别研究简史及现状分析 22-27 1.3.1 人脸识别算法的发展过程 23-26 1.3.2 国内外发展现状 26-27 1.4 自动人脸识别的关键问题 27-29 1.5 论文的研究内容和章节安排 29-31 第2章 Adaboost 算法与 YCbCr 肤色模型融合的多人脸检测研究 31-45 2.1 引言 31-32 2.2 人脸的Haar 特征 32-35 2.2.1 Haar-like 特征 32-33 2.2.2 人脸类Haar-like 矩形特征的快速计算方法 33-35 2.3 Adaboost 算法 35-39 2.3.1 弱分类器 37 2.3.2 强分类器 37-39 2.4 级联强分类器 39-40 2.5 Adaboost 算法实验及结果 40-42 2.6 基于YCbCr 肤色模型的后期验证及实验结果 42-44 2.7 本章小结 44-45 第3章 基于 Retinex 理论的人脸图像光照处理方法 45-69 3.1 引言 45 3.2 相关研究回顾 45-48 3.3 Retinex 理论 48-56 3.3.1 Retinex 理论的发展 49-50 3.3.2 Retinex 算法的基础框架 50-52 3.3.3 单尺度Retinex(SSR)算法 52 3.3.4 多尺度Retinex(MSR)算法 52-53 3.3.5 McCann99 Retinex 算法 53-54 3.3.6 三种经典Retinex 算法的性能分析 54-56 3.4 基于自适应平滑的Retinex 算法 56-64 3.4.1 自适应平滑 56-57 3.4.2 常用传导函数分析 57 3.4.3 本文的无边缘增强效应的传导函数 57-61 3.4.4 灰度变化程度测量的改进 61-62 3.4.5 本文的Retinex 算法步骤 62-63 3.4.6 参数选择讨论 63-64 3.5 识别实验结果与分析 64-67 3.6 本章小结 67-69 第4章 子空间特征提取方法与分类器的选择策略 69-87 4.1 引言 69-70 4.2 子空间分析方法综述 70-73 4.2.1 线性子空间分析方法综述 70-72 4.2.2 非线性子空间分析综述 72-73 4.3 子空间特征提取与分类器选择研究 73-84 4.3.1 主成分分析(PCA) 73-78 4.3.2 线性鉴别分析(LDA) 78-80 4.3.3 独立成分分析(ICA)和快速独立成分分析(FastICA) 80-83 4.3.4 距离分类器 83-84 4.4 最佳组合策略的实验及结果分析 84-86 4.5 本章小结 86-87 第5章 基于 Gabor 和 LBP 结合的局部特征提取方法 87-105 5.1 引言 87-88 5.2 相关研究回顾 88-90 5.3 基于LBP 算子的人脸特征描述 90-96 5.3.1 局部二值模式(LBP) 90 5.3.2 改进的LBP 算子 90-92 5.3.3 基于LBP 的人脸特征描述 92-94 5.3.4 基于分块LBP 特征的识别实验及分析 94-96 5.4 基于Gabor 变换的人脸局部特征提取 96-101 5.4.1 一维Gabor 函数 96-97 5.4.2 二维Gabor 变换 97-99 5.4.3 提取人脸Gabor 特征 99-101 5.5 本论文的基于局部特征的人脸识别方法(GLBP-PCA) 101-103 5.6 识别实验结果及分析 103-104 5.7 本章小结 104-105 第6章 基于 SIFT 的可变光照、姿态、表情的人脸识别研究 105-119 6.1 引言 105-106 6.2 SIFT 算法 106-115 6.2.1 SIFT 算法简介 106 6.2.2 多尺度空间原理 106-107 6.2.3 SIFT 算法的步骤 107-112 6.2.4 人脸图像的SIFT 特征向量及匹配 112-115 6.3 基于SIFT 算法的PIE 人脸识别实验与分析 115-118 6.4 本章小结 118-119 第7章 自动人脸识别应用系统设计 119-129 7.1 引言 119-120 7.2 自动人脸识别系统设计的关键问题分析 120-122 7.3 自动人脸识别系统设计方案 122-127 7.3.1 系统核心算法及软件仿真结果 122-124 7.3.2 系统设计方案 124-127 7.4 本章小结 127-129 第8章 总结与展望 129-133 8.1 论文的主要工作总结 129-130 8.2 论文的创新点 130-131 8.3 展望 131-133 参考文献 133-143 在学期间学术成果情况 143-144 指导教师及作者简介 144-145 致谢 145-146
|
相似论文
- 基于人眼检测的驾驶员疲劳状态识别技术,TP391.41
- 基于监督流形学习算法的固有不规则蛋白质结构预测研究,Q51
- 基于AdaBoost算法的人脸识别研究,TP391.41
- 彩色图像人脸检测及人脸特征点定位,TP391.41
- 人脸表情识别算法研究,TP391.41
- 彩色人脸检测与识别研究,TP391.41
- 基于图像分析的人脸比对技术研究,TP391.41
- 基于SIFT算法单双目视觉结合的移动机械臂定位研究,TP241
- 全局与局部特征相结合的遥感影像检索方法研究,TP751
- 环境卫星光学影像自动配准算法研究与并行实现,TP391.41
- 基于AdaBoost算法的人脸检测方法研究,TP391.41
- 基于尺度不变特征变换(SIFT)的图像配准技术研究,TP391.41
- 三线阵CCD月面影像DEM生成研究,TP391.41
- 人耳及人脸融合的多模态身份识别,TP391.41
- 手掌静脉网特征提取的理论与算法研究,TP391.41
- 基于梯度特征和级联分类的快速行人检测,TP391.41
- 基于肤色和Adaboost算法的人脸检测方法研究,TP391.41
- 基于Gabor变换和盲信号分离的信号降噪技术及应用,TH165.3
- 基于序列图像的全景图像拼接技术的研究,TP391.41
- 在线掌纹识别算法的研究及应用,TP391.41
- 流行学习在交通标志识别中的应用研究,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
|