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