基于图聚类的卷积神经网络半监督人脸识别研究

发布时间：2021-01-08 13:31

　　随着计算机网络技术的快速发展,传统身份鉴别方法正面临安全性、防伪性等严峻考验。为确保个人信息的安全,人们把目光转移到了具有良好鉴别力的生物识别技术,其中人脸识别又以其方便、直接等特点而深受青睐。近年来,深度学习研究的深入使得卷积神经网络逐渐成为模式识别、图像处理领域的主流方法。然而,卷积神经网络也有一个明显的缺陷,即网络的训练需要大量的监督数据作为支撑。而在实践中发现,获取大量带标签的数据需要耗费大量资源,相比较而言,无标签数据的获取非常容易。为此,本论文在回顾图像的预处理、人脸特征的提取、人脸聚类和卷积神经网络等原理的基础上,将人脸聚类与卷积神经网络相结合提出了处理半监督数据的人脸识别方法。本论文的主要内容包括:1、借助于分段的Gamma变换提出改进的人脸图像数据预处理方法,该方法有效地改善了光照和图片对比度对后续人脸检测等工作的影响。2、通过人脸聚类处理半监督数据。目前的聚类方法,例如常见的K-means聚类和层次聚类等均难以处理高维、非凸数据。为此,本文将采用基于图论的Chinese Whispers（CW）聚类算法对人脸进行聚类。本文首先引入方向梯度直方图（FHOG）和支持向量... 

【文章来源】：云南大学云南省 211工程院校

【文章页数】：66 页

【学位级别】：硕士

【部分图文】：

图２－１：?ＯＲＬ人脸库部分图像??

?包含１５位志愿者共１６５幅图片，其中每人１１幅图片。每位志愿者的照片中均包??含明显的光照、表情姿态和遮挡的变化。图２－２展示了?Ｙａｌｅ人脸库中的部分图像。??ｉｔ?ｍ?＾?ｍ??Ｗ?Ｗ?Ｊ?Ｗ??作邏Ｉ?＠?＿??＿?＿?Ｂ?＿??＾ＳＫｒ?Ｈｋ?ｍｍ??图２－２：?Ｙａｌｅ人脸库部分图像??２．?２图像预处理??由于照片拍摄时受光照因素干扰，图像亮度不均，易影响系统对人脸图像的??捕捉定位及后续的特征提取，因此有必要对图片的亮度、对比度进行修正。??本文通过Ｇａｍｍａ矫正对图片进行亮度调整和光照补偿，Ｇａｍｍａ矫正是指通??过对输入图像的灰度值进行非线性操作，使输出图像的灰度值与初始值呈指数关??系，其中的指数即为Ｇａｍｍａ。??１。亭＝＜＾??其中，７＿，、分另機示和＾出＠灰？值

?表示图像的灰度均值，》、ｗ分表代表图像的长宽尺寸大小。??ｎＸｍ?／?ｊ??经过此光照矫正后的效果和灰度直方图如图２－３所示。??ｒｑ?：：：］?Ｉ??９?〇〇１?■??Ｉ?＾?０．００?Ｌ．—＾?，?，?Ｉ—＞１???Ｊ??（ａ）?０?５０?１００?（ｂ）?１５０?２００?２５０??（ｃ）?０?５０?１００?（ｄ）?１５０?２００?２５０??ＩＨ?—??（ｅ）?Ｃ?５０?１００?（ｆ）?１５０?２００?２５０??■?Ｉ?ｊ??（ｇ）?０?５０?１００?（ｈ）?１５０?２００?２５０??（ａ）、（ｅ）为光照矫正前的图像；（ｃ）、（ｇ）为光照矫正前的灰度直方图??（ｂ）、（ｆ）为光照矫正后的图像；（ｄ）、（ｈ）为光照矫正后的灰度直方图??图２－３：光照矫正效果??９??

【参考文献】：
期刊论文
[1]网络时代的生物密钥[J]. 张力平.  电信快报. 2016(08)
[2]半监督学习方法[J]. 刘建伟,刘媛,罗雄麟.  计算机学报. 2015(08)
[3]半监督学习研究进展[J]. 梁吉业,高嘉伟,常瑜.  山西大学学报(自然科学版). 2009(04)
[4]人工神经网络技术发展综述[J]. 陈格.  中国科技信息. 2009(17)
[5]生物特征识别及研究现状[J]. 张敏贵,周德龙,潘泉,张洪才,张绍武.  生物物理学报. 2002(02)
[6]人脸识别技术综述[J]. 张翠平,苏光大.  中国图象图形学报. 2000(11)
[7]基于区域特征的快速人脸检测法[J]. 卢春雨,张长水,闻芳,阎平凡.  清华大学学报(自然科学版). 1999(01)
[8]用于图象识别的图象代数特征抽取[J]. 洪子泉,杨静宇.  自动化学报. 1992(02)



本文编号：2964681