基于分块集成和协同表示的快速人脸识别算法研究

发布时间：2017-03-29 13:07

  本文关键词：基于分块集成和协同表示的快速人脸识别算法研究，，由笔耕文化传播整理发布。

【摘要】：人脸识别是模式识别与图像处理领域的一个长期的研究热点,尽管现在已有很多人脸识别算法都取得了令人满意的正确识别率,但其中的大多数算法有着严格的限制条件,如正脸或光照均匀。这些算法在光照、表情变化以及小样本等复杂条件下的识别性能依然不够理想,并且很难满足实时性要求。如何提升复杂背景下的人脸识别准确率并同时兼顾时间效率,是人脸识别领域具有广泛实用价值和深远理论意义的研究问题。论文针对光照、表情变化以及小样本条件下人脸识别问题,提出了基于分块的集成学习人脸识别框架,能够很好地平衡复杂背景下人脸识别的性能和效率。该框架主要包括以下三个部分：(1)论文提出的基于旋转不变LBP和梯度方向的光照不敏感的人脸特征增强算法：“GDP-face”,能够很好地强化人脸特征并消除大部分光照变化带来的影响。(2)论文提出的快速协同表示分类器,通过对稀疏表示分类器的改进,能够在保持识别准确率的同时显著地减小算法的时间复杂度。(3)基于分块集成的整体识别算法,将人脸图像有重叠地划分区块,并应用快速协同表示分类器在每一个图像块上,最后对不同区块上的识别结果进行投票,将票数最多的类别作为最后的识别结果,针对表情变化下最后识别结果得票数少,识别结果偏差大的问题,将最后结果得票数少的人脸图像,取其部分表情不敏感的区块进行二次投票,得到最终结果。论文提出的集成学习人脸识别框架分别从人脸特征,分类器以及集成学习角度提升复杂条件下的人脸识别性能,同时快速的人脸特征增强算法以及快速协同表示分类器使得整个框架有较高的运行效率。通过与其他的基于分块的人脸识别算法的对比实验,表明了论文提出的人脸识别框架的有效性。
【关键词】：人脸识别 分块集成 协同表示 小样本 光照
【学位授予单位】：华东师范大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：TP391.41
【目录】：

• 摘要6-7
• ABSTRACT7-13
• 第一章 绪论13-23
• 1.1 背景与意义13-14
• 1.1.1 研究背景13
• 1.1.2 研究意义13-14
• 1.2 研究现状和主要难点14-21
• 1.2.1 国内外研究现状14-17
• 1.2.2 人脸识别的技术难点17-21
• 1.3 研究内容与论文结构21-23
• 1.3.1 本文主要研究内容21-22
• 1.3.2 论文的章节安排22-23
• 第二章 光照不敏感的人脸特征增强算法23-31
• 2.1 局部二值模式(LBP)23-25
• 2.2 梯度方向算子25-26
• 2.3 GDP-face26-27
• 2.4 实验及分析27-30
• 2.4.1 实验数据集27-28
• 2.4.2 实验设置及结果分析28-30
• 2.5 本章小结30-31
• 第三章 快速协同表示分类器31-44
• 3.1 稀疏表示原理及在人脸识别中的应用31-35
• 3.1.1 稀疏表示的基本原理31-33
• 3.1.2 稀疏表示在人脸识别中的应用33-35
• 3.2 改进的快速协同表示分类器35-38
• 3.3 实验及分析38-42
• 3.3.1 实验数据集38-40
• 3.3.2 实验性能分析40-41
• 3.3.3 实验效率分析41-42
• 3.4 本章小结42-44
• 第四章 基于分块的集成学习人脸识别框架44-59
• 4.1 集成学习基本理论44-50
• 4.1.1 集成学习简介44-45
• 4.1.2 集成学习的理论基础45-46
• 4.1.3 集成学习构建方法46-50
• 4.2 基于分块的集成学习人脸识别框架50-53
• 4.2.1 基于分块的个体分类器生成方法50-51
• 4.2.2 表情不敏感的两阶段多数投票结论合成方法51-52
• 4.2.3 基于分块的集成学习人脸识别框架52-53
• 4.3 实验分析53-58
• 4.3.1 参数设置53-54
• 4.3.2 性能分析54-57
• 4.3.3 效率分析57-58
• 4.4 本章小结58-59
• 第五章 总结与展望59-62
• 5.1 总结59-60
• 5.2 展望60-62
• 参考文献62-69
• 致谢69-70
• 攻读硕士学位期间承担的科研任务与主要成果70

【相似文献】

中国期刊全文数据库 前10条

1 王李冬;;一种新的人脸识别算法[J];计算机技术与发展;2009年05期

2 桂荣;沈荣鑫;詹泳;;基于模糊神经推理的人脸识别算法研究[J];华南师范大学学报(自然科学版);2012年04期

3 苏士美;王燕;王明霞;;基于加权小波分解的人脸识别算法研究[J];郑州大学学报(工学版);2014年01期

4 魏冬梅;周卫东;;采用压缩感知的人脸识别算法[J];计算机工程;2011年18期

5 陈皓;霍星;;视频监控中人脸识别算法稳定性的改进[J];工程图学学报;2011年06期

6 李美瑾;;人脸识别算法综述与远程考试系统应用研究[J];广西广播电视大学学报;2012年01期

7 盛朝强;王君;;煤矿井下人员签到系统人脸识别算法研究[J];计算机技术与发展;2012年07期

8 朱学毅;王崇骏;周新民;张W

本文编号：274539