学位论文 > 优秀研究生学位论文题录展示

基于LBP和Adaboost的人脸识别算法研究

作　者: 周士奇
导　师: 张祥德
学　校: 东北大学
专　业: 应用数学
关键词: 人脸识别局部二进制模式 Adaboost算法 ELBP算子
分类号: TP391.41
类　型: 硕士论文
年　份: 2010年
下　载: 81次
引　用: 0次
阅　读: 论文下载

内容摘要

人脸识别作为一种生物特征识别技术,受到了广泛的关注,成为应用数学、信息技术紧密结合的前沿热点问题。识别算法是人脸识别系统的核心部分,直接影响到系统的性能。结合现代应用数学技术,本文主要研究了基于局部二进制模式(Local Binary Pattern,简称LBP)和Adaboost的人脸识别算法。主要内容如下：第一,在应用LBP算子构造特征的过程中,提出了新的跳跃式分块方式。用此方法构造的特征能够在信息冗余较低的情况下,反映人脸不同尺度、不同位置的特征,便于机器学习算法高效地选择最佳特征。第二,在Adaboost算法的训练过程中提出了快速计算样本方法和计算阈值方法,提高了Adaboost算法的训练速度。并提出对样本进行随机排序,提高训练结果的鲁棒性。第三,针对LBP算子的一些不足,采用了拓展局部二进制模式(Extended Local Binary Pattern,简称ELBP)构造特征。使得到的特征不仅反映纹理变化的大小,而且反映了纹理变化的趋势。并且在训练过程中,应用统计方法构造了ELBP算子的统一模式,减小了训练的计算量。本文算法分别在中科院CASIA NIR近红外人脸数据库、中科院CAS-PEAL-R1可见光人脸数据库上进行了实验,系统的正确识别率分别达到了99.0%和99.2%。

全文目录

摘要  5-6
Abstract  6-9
第1章绪论  9-15
  1.1 人脸识别研究的背景和意义  9-10
  1.2 人脸识别方法概述  10-13
    1.2.1 人脸识别研究现状  10
    1.2.2 人脸识别的主要方法和分析  10-13
  1.3 本文主要内容及安排  13-15
第2章 LBP算子  15-21
  2.1 LBP算子  15-17
    2.1.1 纹理概述  15
    2.1.2 LBP算子  15-17
  2.2 LBP算子的统计测定  17-19
  2.3 LBP算子的优点  19-20
  2.4 本章小结  20-21
第3章 Adaboost算法  21-29
  3.1 Adaboost算法  21-22
    3.1.1 Adaboost算法  21-22
    3.1.2 训练误差分析  22
  3.2 改进Adaboost算法  22-23
  3.3 级联分类器  23-27
  3.4 本章小结  27-29
第4章 LBP和Adaboost结合的人脸识别算法  29-57
  4.1 人脸识别问题转化  29-30
  4.2 特征构造  30-39
    4.2.1 人脸归一化  30-32
    4.2.2 图象编码  32-33
    4.2.3 图像分块  33-37
    4.2.4 直方图相交  37-39
  4.3 Adaboost的训练过程  39-46
    4.3.1 弱分类器的学习过程  39-41
    4.3.2 强分类器的训练  41-43
    4.3.3 训练级联分类器  43-45
    4.3.4 识别过程  45-46
  4.4 实验结果分析  46-56
    4.4.1 训练数据和结果  46-49
    4.4.2 测试结果  49-53
    4.4.3 错误结果分析  53-55
    4.4.4 人脸识别系统  55-56
  4.5 本章小结  56-57
第5章 ELBP算子  57-63
  5.1 LBP算子应用于人脸识别的不足  57
  5.2 ELBP算子  57-60
  5.3 对比实验结果  60-61
  5.4 本章小结  61-63
第6章总结和展望  63-65
  6.1 本文工作总结  63
  6.2 未来工作展望  63-65
参考文献  65-71
致谢  71

基于LBP和Adaboost的人脸识别算法研究

内容摘要

全文目录

相似论文