学位论文 > 优秀研究生学位论文题录展示

基于HMM的人脸识别算法研究

作　者: 何培培
导　师: 任获荣
学　校: 西安电子科技大学
专　业: 测试计量技术及仪器
关键词: 人脸识别姿态隐马尔可夫模型特征空间线性回归
分类号: TP391.41
类　型: 硕士论文
年　份: 2012年
下　载: 68次
引　用: 0次
阅　读: 论文下载

内容摘要

人脸识别技术因其在公共安全、信息安全、金融等方面的广阔应用前景近年来始终是模式识别和机器视觉领域的热门研究课题之一。人脸识别技术在发展的同时也面临着姿态变化问题、光照变化问题、表情变化问题等挑战，其中姿态变化尤为突出，因此姿态变化人脸识别具有重要的研究意义。论文针对人脸头部深度旋转问题，探讨了基于混合特征空间和HMM的姿态人脸识别方法。通过线性回归方法学习非正面人脸和正面人脸之间存在的映射关系，可以将姿态人脸校正为虚拟的正面人脸。为了快速地进行姿态校正，将线性回归方法引入混合特征空间。将人脸样本映射到对应的混合特征空间得到特征向量，在混合特征空间通过线性回归方法学习非正面人脸特征向量和正面人脸特征向量之间的姿态转换关系并进行姿态校正，然后再重构成虚拟正面人脸，所需时间为11.91秒。最后使用HMM对产生的虚拟正面人脸进行人脸识别，实验结果表明了混合特征空间姿态校正方法的有效性。

全文目录

摘要  3-4
Abstract  4-7
第一章绪论  7-15
  1.1 研究背景及意义  7
  1.2 姿态变化人脸识别方法综述  7-13
    1.2.1 姿态人脸识别问题简介  7-8
    1.2.2 基于特征的姿态人脸识别方法  8-11
    1.2.3 基于模型的姿态人脸识别方法  11-13
  1.3 本文研究内容及组织结构  13-15
第二章隐马尔可夫模型基本理论及其应用  15-27
  2.1 隐马尔可夫模型  15-17
    2.1.1 隐马尔可夫模型的定义  15-16
    2.1.2 HMM 的三个基本问题  16-17
  2.2 解决 HMM 三个基本问题的方法  17-21
    2.2.1 评估问题  17-18
    2.2.2 解码问题  18-19
    2.2.3 学习问题  19-21
    2.2.4 计算中注意的问题  21
  2.3 隐马尔可夫模型在人脸识别中的应用  21-25
    2.3.1 隐马尔可夫模型训练过程  22-24
    2.3.2 隐马尔可夫模型识别过程  24-25
  2.4 小结  25-27
第三章主成分分析  27-33
  3.1 子空间方法综述  27-28
  3.2 主成分分析 PCA  28-32
    3.2.1 PCA 人脸识别  28-30
    3.2.2 特征向量的选取  30-31
    3.2.3 奇异值分解定理  31-32
  3.3 小结  32-33
第四章基于特征空间和线性回归的姿态人脸识别  33-51
  4.1 基于线性回归的姿态校正  33-36
    4.1.1 线性回归数学模型  33-34
    4.1.2 基于线性回归的姿态校正  34-36
  4.2 基于特征空间的姿态校正  36-38
  4.3 基于混合特征空间的姿态校正  38-40
  4.4 基于 HMM 的姿态人脸识别  40-50
    4.4.1 数据库介绍  40-43
    4.4.2 实验结果与分析  43-50
  4.5 小结  50-51
第五章总结和展望  51-53
  5.1 全文工作总结  51
  5.2 未来工作展望  51-53
致谢  53-55
参考文献  55-61

基于HMM的人脸识别算法研究

内容摘要

全文目录

相似论文