学位论文 > 优秀研究生学位论文题录展示
基于稀疏编码的视频人脸识别系统
作 者: 柴光忍
导 师: 丁宇新
学 校: 哈尔滨工业大学
专 业: 计算机科学与技术
关键词: 稀疏编码 LC-KSVD算法 稀疏编码表示优化方法 视频人脸识别系统
分类号: TP391.41
类 型: 硕士论文
年 份: 2012年
下 载: 52次
引 用: 0次
阅 读: 论文下载
内容摘要
随着现代科技的发展,视频数据的增长呈现爆炸式增速,这些海量视频数据特别是海量视频中的人物身份信息拥有很大价值,这就需要视频人脸识别技术,但是当前对视频人脸识别的研究还远远不够。视频人脸识别的研究可用于安全领域、控制领域等,特别是随着移动智能时代的到来,移动终端可以轻易捕获到大量的视频数据,里面包含大量的人物信息,这就需要高效的视频人脸识别技术,配合移动终端的强大计算能力对这些人物信息进行挖掘分析。因此,对于视频人脸识别的研究很有意义。视频人脸识别是对视频中人脸分类,其主要的研究难点在于人脸受到表情、光照、分辨率、遮挡等影响严重,导致一些传统的静态图像分类算法并不是很有效。本课题的研究对象是基于稀疏编码的视频人脸识别,论文着重研究适合视频环境的人脸分类算法,分析视频中人脸的特性,将稀疏编码表示思想引入到视频人脸分类中,本文使用LC-KSVD字典学习稀疏编码算法进行视频人脸分类。同时,充分结合视频人脸的特性,对原生的LC-KSVD算法进行优化,使其在视频中的分类性能得到提升:以视频序列为基础,进行构建字典元素;修改稀疏编码一致性约束矩阵;统计分类时使用投票策略,提高正确率。然后将优化过的LC-KSVD算法与传统的分类算法进行对比,发现其效果显著。最后设计和实现一个视频人脸识别系统,该系统由镜头分割、人脸检测、人脸跟踪、说话者标注、特征提取和分类6部分组成。本文在对部分步骤的实现方法上进行了创新,主要在于人脸跟踪时进行二次检测增加人脸序列长度,在序列提取时对检测到的人脸进行一次粗过滤。该系统对实际运用具有一定指导意义。
|
全文目录
摘要 4-5 Abstract 5-8 第1章 绪论 8-14 1.1 课题来源及研究目的和意义 8-9 1.2 课题研究现状及分析 9-12 1.2.1 视频人脸识别技术研究现状 9-11 1.2.2 稀疏编码分类算法研究现状 11-12 1.3 本课题的研究动机和主要研究内容 12-13 1.3.1 本课题研究动机 12 1.3.2 本课题主要研究内容 12-13 1.4 论文组织结构 13-14 第2章 视频人脸识别相关方法 14-25 2.1 镜头分割技术 14-15 2.2 人脸检测技术 15-16 2.2.1 基于图像的方法 15 2.2.2 基于特征的方法 15 2.2.3 基于模板匹配的方法 15-16 2.3 人脸跟踪技术 16-18 2.3.1 MeanShift 算法 16-17 2.3.2 CamShift 算法 17-18 2.4 人脸识别技术 18-24 2.4.1 训练集来源 18-19 2.4.2 特征提取算法 19-20 2.4.3 局部特征点定位算法 20-21 2.4.4 人脸分类算法 21-24 2.5 本章小结 24-25 第3章 基于稀疏编码的视频人脸分类 25-46 3.1 稀疏编码算法 25-29 3.1.1 稀疏编码算法模型 25-26 3.1.2 稀疏编码人脸分类算法 26-27 3.1.3 基于类标一致性的 KSVD 字典学习稀疏编码算法 27-29 3.2 特征提取 29-31 3.2.1 特征提取方法描述 29-30 3.2.2 特征提取方法分析 30-31 3.3 基于视频人脸特性的 LC-KSVD 优化 31-41 3.3.1 初始字典构造方式优化 31-32 3.3.2 字典学习算法优化 32-35 3.3.3 分类策略优化 35-36 3.3.4 优化方法实验分析 36-41 3.4 优化后的 LC-KSVD、NN 及 SVM 实验结果及对比分析 41-45 3.4.1 实验描述 41-42 3.4.2 实验评价指标 42 3.4.3 实验结果及分析 42-45 3.5 本章小结 45-46 第4章 视频人脸识别系统设计与实现 46-58 4.1 前期处理模块设计及实现 46-52 4.1.1 人脸检测子模块 46-48 4.1.2 镜头分割子模块 48-49 4.1.3 人脸跟踪子模块 49-52 4.2 说话者标注模块设计及实现 52-54 4.3 未说话者分类模块设计与实现 54-56 4.3.1 特征提取子模块设计及实现 54-55 4.3.2 分类子模块设计及实现 55-56 4.4 开发环境及运行结果 56-57 4.5 本章小结 57-58 结论 58-59 参考文献 59-64 致谢 64
|
相似论文
- 图像的稀疏表示及编码模型研究,TP391.41
- 复杂场景中的时空特征学习与人体行为分析,TP391.41
- 结合稀疏编码的图像生物视觉特征提取研究,TP391.41
- 基于监督学习的图像局部特征点检测子研究,TP391.41
- 基于稀疏表示的高空间分辨率遥感影像纹理描述方法的研究,TP751
- 面向图像表达的非负局部坐标分解算法,TP391.41
- 基于稀疏非负矩阵分解的图像检索,TP391.41
- 基于图的彩色图像目标分割算法研究,TP391.41
- 基于稀疏编码与机器学习的图像内容识别算法研究,TP391.41
- 在线字典训练及加权差异性稀疏表示的研究,TP391.41
- 视频中人体行为识别的判别稀疏编码方法研究,TP391.41
- 面向邮件系统的恶意代码检测技术研究,TP393.08
- 面向自然场景分类的稀疏编码研究与应用,TP391.41
- 一种基于网络编码的改进型BitTorrent内容分发系统研究,TP393.093
- 大鼠前额叶皮层神经元集群对工作记忆事件稀疏编码的研究,R318.0
- 基于改进非负稀疏编码的人脸识别,TP391.41
- 兴奋抑制网络鲁棒同步机制及其应用研究,TP393.02
- 基于学习的压缩图像恢复方法,TP391.41
- 基于稀疏性理论的人脸识别方法研究,TP391.41
- 基于P2P的网络编码的应用与分析,TP393.02
- 极化SAR图像相干斑抑制研究,TN957.52
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
|