非受控环境下人脸识别的关键技术研究

发布时间：2019-10-02 14:45

【摘要】：人脸识别技术已经有目共睹的成为了多行业的研究热点,且经过多年的研究发展,受控环境下的人脸识别性能已经取得了长足的进步。当环境非受控时,光照、姿态、遮挡等因素均会导致人脸的识别性能急剧下降,而这种非受控环境更接近于人们的日常需求,更具有研究价值。针对目前非受控环境下人脸识别易受复杂光照、背景等非受控因素影响的问题,本文提出一种有效可行的思路:1)首先研究了一种基于小波融合的光照预处理方法,以减小光照对于人脸识别过程的影响。并在此基础上进行了人脸区域精确定位,划分出人脸区域,以进行下步的人脸识别进程。实验结果表明该方法不仅有效消除光照变化对特征提取的影响,且有效的提高了检测人脸区域的正确率。2)接着提出结合基于图像分块的中心对称局部二值模式和深度信念网络的特征提取方法,充分利用已提取到的对光照变化不敏感的局部纹理特征,弥补了直接采用原始图像时深度信念网络易忽略掉更具鉴别性的人脸局部特征的不足,获取了更鲁棒的深层特征。3)然后在ORL、FERET、Yale-B和CMU-PIE人脸数据库的大量对比实验结果均表明,对于光照较良好、光照变化复杂、存在复杂背景和光照变化的图像,本文算法均能较LBP、DBN以及其他局部特征结合DBN的算法识别率有明显提高,充分证明了本文中人脸识别算法的有效性。4)最终本文结合上述提到的光照预处理算法和人脸识别算法,构建了一个能够较好的完成人脸识别过程的实时的人脸识别的系统。
【学位授予单位】：北方工业大学
【学位级别】：硕士
【学位授予年份】：2017
【分类号】：TP391.41

【参考文献】

相关期刊论文 前10条

1 谢小军;孔伟伟;;基于改进的MSR算法在软件视频会议系统上的应用[J];计算机工程与科学;2015年09期

2 郭丽丽;丁世飞;;深度学习研究进展[J];计算机科学;2015年05期

3 张雯;王文伟;;基于局部二值模式和深度学习的人脸识别[J];计算机应用;2015年05期

4 周慧;周良;丁秋林;;基于深度学习的疲劳状态识别算法[J];计算机科学;2015年03期

5 黄敏;宫秋萍;曾莎;;基于表情变化的三维人脸识别[J];现代计算机(专业版);2015年05期

6 方程;;人脸识别技术研究[J];信息技术与信息化;2014年11期

7 柴瑞敏;曹振基;;基于Gabor小波与深度信念网络的人脸识别方法[J];计算机应用;2014年09期

8 陈超;;改进单尺度Retinex算法在图像增强中的应用[J];计算机应用与软件;2013年04期

9 张秀艳;裴雷雷;;基于Gabor小波的人脸识别技术[J];自动化技术与应用;2012年07期

10 鞠明;李权合;毕笃彦;;基于LP滤波和Retinex的光照补偿[J];计算机工程;2011年16期

相关博士学位论文 前4条

1 明悦;基于不变性特征的三维人脸识别研究[D];北京交通大学;2013年

2 周昌军;基于图像重构和特征融合的人脸识别方法研究[D];大连理工大学;2008年

3 胡元奎;可变光照和可变姿态条件下的人脸图像识别研究[D];中国科学技术大学;2006年

4 张永梅;基于融合的人脸识别方法研究[D];中北大学;2005年

相关硕士学位论文 前10条

1 肖哲;基于统一特征空间的低分辨率人脸识别算法[D];哈尔滨工业大学;2014年

2 刘子山;人脸信息识别技术研究及在虚拟宠物上的应用[D];南京邮电大学;2013年

3 王明军;基于压缩感知人脸识别算法研究[D];西安电子科技大学;2012年

4 李晓娟;基于轮廓线特征的三维人脸识别算法研究[D];北京交通大学;2010年

5 孔祥栋;基于肤色和AdaBoost算法人脸检测的研究[D];燕山大学;2010年

6 曹力;基于DM642夜晚视频增强算法研究与实现[D];上海交通大学;2009年

7 王朝;基于流形学习的人脸识别算法的研究[D];大连理工大学;2009年

8 徐冬冬;基于统计的人脸识别方法研究[D];江南大学;2009年

9 王培沛;基于掌纹特征的密钥生成算法研究[D];哈尔滨工业大学;2009年

10 刘彬;基于随机投影和稀疏表征的红外人脸识别方法[D];西安电子科技大学;2009年

，

本文编号：2544980