学位论文 > 优秀研究生学位论文题录展示

人脸检测与识别系统中基于虚拟样本的稀疏描述研究

作　者: 唐德燕
导　师: 朱宁波
学　校: 湖南大学
专　业: 信息与通信工程
关键词: 人脸识别 虚拟样本 稀疏描述 人脸检测
分类号: TP391.41
类　型: 硕士论文
年　份: 2013年
下　载: 2次
引　用: 0次
阅　读: 论文下载
 

内容摘要


近年来，人脸识别技术取得了长足的发展与进步，并已经成为了计算机视觉和模式识别两大领域的研究热点。因为人脸识别能够很方便也很直观的达到身份验证的目的，同时也很容易被大众所接受，所以人脸识别技术具有很高的研究价值。到目前为止，科学研究者们已经提出了很多关于人脸识别的方法，而且已经取得了很好的成果。但是由于自动人脸识别的过程很容易受到各种因素的影响，比如光照条件、姿态、表情以及遮挡物等，都会对人脸识别造成干扰，因此，如何克服这些干扰带来的影响是人脸识别研究者们所面临的巨大挑战。在很多自然条件下或在姿态变化较大的情况下，目前的人脸识别系统不一定能准确的进行人脸识别和身份认证。因此，提高识别率，加快识别速度以及提高鲁棒性是人脸识别发展的重要方向，也是本文提出基于虚拟样本的稀疏描述算法的初衷。为了提高人脸识别的准确度，本文提出了一种基于虚拟样本的稀疏描述的人脸识别算法，这个方法分两步来实现人脸识别的过程。第一步是获得虚拟样本，第二步则是用稀疏描述算法来分类。具体来说就是，第一步用简单的随机叠加噪声方法对训练样本进行处理，形成虚拟样本，并与原来的训练样本一起组成新的训练样本集；第二步则是把测试样本表示为新的训练样本集中所有训练样本的线性组合，然后将测试样本分类到对其描述做出最大贡献的样本类中去。因为这种方法在一定程度上减小了由于训练样本不足或者人脸表情变化对人脸识别所造成的不良影响，且用稀疏描述的方法来进行分类，所以大大提高了识别率。大量人脸识别的实验表明，本文提出的算法比徐勇等人提出的算法的识别效果更佳。在进行人脸识别的过程中可以发现人脸检测是人脸识别的基础，也是其关键的步骤。并且，在某些实际应用系统中，并不需要准确识别出人脸图像或视频中的每一个具体的人，只需要统计其中人脸的个数即可，如出勤率考察系统。基于教室视频监控图像的人脸检测系统就是这样的一个系统，通过对教室上课视频监控图像进行自动的人脸检测并通过人工检查来完成学生上课率的功能，并将检测的最终结果通过excel报表的格式打印出来。这个系统不仅界面清晰，操作简单，而且非常人性化，是一个不错的出勤率考察系统。

全文目录


摘要  5-6
Abstract  6-12
第1章 绪论  12-20
  1.1 本文的研究背景及意义  12-13
  1.2 人脸识别的研究进展与现状  13-15
    1.2.1 人脸识别发展阶段  13-14
    1.2.2 国内人脸识别发展状况  14-15
  1.3 人脸识别面临的几个问题及其发展方向  15-16
  1.4 常用人脸数据库  16-18
  1.5 本文所做的工作  18-19
  1.6 论文组织结构  19-20
第2章 人脸检测与定位  20-27
  2.1 前言  20
  2.2 基于知识模型的方法  20-21
  2.3 基于特征的方法  21-22
    2.3.1 基于人脸轮廓特征的方法  21
    2.3.2 基于器官特征的方法  21-22
    2.3.3 基于灰度分布特征的方法  22
  2.4 基于肤色模型的方法  22
  2.5 基于模板匹配的方法  22-23
  2.6 基于统计理论的方法  23-25
    2.6.1 基于特征空间的方法  23-24
    2.6.2 基于人工神经网络的方法  24-25
    2.6.3 基于支持向量机的方法  25
    2.6.4 基于 AdaBoost 的方法  25
  2.7 本章小结  25-27
第3章 人脸识别算法综述  27-32
  3.1 引言  27
  3.2 PCA 人脸识别算法  27-28
  3.3 Fisher 脸(LDA)人脸识别算法  28-29
  3.4 基于隐马尔科夫模型人脸识别算法  29
  3.5 基于小波变换的人脸识别算法  29-30
  3.6 基于神经网络的人脸识别算法  30-31
  3.7 本章小结  31-32
第4章 基于虚拟样本的稀疏描述人脸识别  32-46
  4.1 前言  32-33
  4.2 基于虚拟样本的人脸识别算法  33-34
  4.3 稀疏描述人脸识别算法  34-36
  4.4 基于虚拟样本的稀疏描述算法  36-38
  4.5 基于虚拟样本的稀疏描述算法的分析  38-39
  4.6 实验结果及分析  39-45
    4.6.1 实验结果  39-45
    4.6.2 实验结果分析  45
  4.7 本章小结  45-46
第5章 基于教室视频监控图像的人脸检测系统  46-53
  5.1 系统的开发平台  46
  5.2 系统流程及模块介绍  46-52
  5.3 本章小结  52-53
结论  53-56
参考文献  56-60
致谢  60-61
附录 A 攻读硕士学位期间所发表的学术论文  61

相似论文

  1. 2D人脸模板保护算法研究,TP391.41
  2. 基于加权投票和关键帧提取的视频流人脸识别方法研究,TP391.41
  3. 基于差分演化的人脸识别方法研究,TP391.41
  4. 基于肤色分割与AdaBoost算法的人脸检测研究,TP391.41
  5. 人脸检测算法的FPGA设计与实现,TP391.41
  6. 基于分类器融合的人脸识别研究,TP391.41
  7. 基于子模式的局部保留映射的人脸识别方法研究,TP391.41
  8. 基于稀疏表示的人脸识别算法研究,TP391.41
  9. 基于局部优化投影的人脸识别方法研究,TP391.41
  10. 基于动态模糊关系的深层结构学习算法研究,TP181
  11. 人脸检测及其DSP实现,TP391.41
  12. 基于视频流的快速人脸检测与实时跟踪算法研究,TP391.41
  13. 红外条件下驾驶员疲劳检测研究,TP391.41
  14. 三维人脸识别系统研究,TP391.41
  15. 基于仿生模式识别的三维人脸识别研究,TP391.41
  16. 鲁棒流形学习算法研究,TP391.41
  17. 视频序列中人脸检测光流跟踪技术研究,TP391.41
  18. 基于U型脸模型及遗传算法的人脸识别技术研究,TP391.41
  19. 人脸分形特征提取与识别算法研究,TP391.41
  20. 基于AdaBoost算法的人脸检测方法研究,TP391.41
  21. 基于视觉的驾驶员疲劳状态检测方法研究,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