可见光/近红外人脸识别方法的研究与实现
发布时间：2021-01-27 18:03
人脸识别技术在计算机视觉和模式识别领域受到了越来越多的重视,逐渐成为了一个热门话题。现在,大多数的人脸图像是在可见光的条件下拍摄的,而在可见光环境中,光照条件是多变而且复杂的。那么人脸识别的性能就受到了环境光照变化的影响,因此克服光照变化的影响成为了人脸识别领域的一个重要问题。由于近红外光成像对光照变化的鲁棒性,使得近红外光成像技术在一定程度上解决了这个问题。在近红外人脸识别应用中要求注册和检测的人脸图像都是在近红外光照的条件下拍摄的,而实际应用中大量的人脸图像采用可见光的条件拍摄,例如身份证照片等等。那么实现可见光人脸图像和近红外关人脸图像的交叉注册和验证便成为了一个问题。因为成像的方式不同,那么同一个人的可见光图像和近红外图像存在很多表观上的差异。但是从人类认知的角度讲,它们应该被识别为同一个人,这样就意味着同一个人的可见光图像和近红外图像存在着某种关联。本文将从两个方面出发,介绍提高可见光和近红外人脸识别算法的性能。本文主要有两个关键点：1.特征融合方法。在阅读了大量文献,做了大量相关实验后发现有三种特征在可见光／近红外人脸识别方面有较好的性能,即SIFT特征、LBP特征和HOG...
【文章来源】：北京交通大学北京市 211工程院校 教育部直属院校
【文章页数】：67 页
【学位级别】：硕士
【文章目录】：
致谢
摘要
ABSTRACT
序言
1 引言
1.1 研究的背景和意义
1.1.1 人脸识别的研究背景和意义
1.1.2 可见光/近红外人脸识别介绍
1.2 可见光/近红外人脸识别算法概述
1.2.1 特征提取算法
1.2.2 子空间方法
1.3 常用的人脸数据库
1.4 论文结构
2 相关工作
2.1 异质人脸识别算法
2.1.1 同质合成方法
2.1.2 不变特征提取
2.1.3 公共子空间学习方法
2.2 极限学习机
2.3 多任务学习
3 多特征学习
3.1 SIFT算法的基本理论
3.1.1 检测尺度空间中的极值点
3.1.2 定位关键点
3.1.3 确定关键点方向
3.1.4 描述关键点
3.2 LBP特征基本理论
3.2.1 纹理特征
3.2.2 基本的LBP描述子
3.2.3 扩展的LBP描述子
3.2.4 LBP描述子的发展演化
3.2.5 分块的LBP特征
3.2.6 LBP特征的特点
3.2.7 局部三值模式LTP
3.3 HOG特征的基本理论
3.3.1 HOG特征的优点
3.3.2 HOG特征提取算法
3.4 特征融合算法
3.4.1 权值计算
3.4.2 连续性组合和平行性组合
3.5 多视图平滑判别分析
3.6 实验部分
3.6.1 实验设置
3.6.2 实验结果
3.7 本章小结
4 基于ELM的多任务聚类算法
4.1 极限学习机
4.1.1 单隐藏层前馈神经网络
4.1.2 极限学习机
4.2 多任务学习方法
4.3 基于ELM的多任务聚类算法
4.3.1 ELM映射算法
4.3.2 多任务聚类方法
4.4 实验
4.4.1 CASIAHFB数据库实验
4.4.2 CASIANIR-VIS 2.0数据库
4.4.3 实验结果及分析
4.5 本章总结
5 可见光/近红外人脸识别系统
5.1 系统功能介绍
5.2 系统设计介绍
5.2.1 读取现有图像识别
5.2.2 人脸注册功能
5.2.3 实时人脸识别
5.3 系统实现
5.3.1 开发环境介绍
5.3.2 读取现有图像识别
5.3.3 人脸注册功能
5.3.4 实时人脸识别
6 结论与展望
6.1 主要工作及创新点
6.2 未来工作展望
参考文献
作者简历及攻读硕士学位期间取得的研究成果
学位论文数据集
【参考文献】：
期刊论文
[1]人脸图像的LTP特征提取[J]. 边后琴. 上海电力学院学报. 2013(03)
[2]基于多尺度局部二值模式的人脸识别[J]. 刘中华,史恒亮,张兰萍,金忠. 计算机科学. 2009(11)
[3]基于SIFT特征的单样本人脸识别研究[J]. 许广毅,王杨. 信息工程大学学报. 2008(02)
本文编号：3003495
【文章来源】：北京交通大学北京市 211工程院校 教育部直属院校
【文章页数】：67 页
【学位级别】：硕士
【文章目录】：
致谢
摘要
ABSTRACT
序言
1 引言
1.1 研究的背景和意义
1.1.1 人脸识别的研究背景和意义
1.1.2 可见光/近红外人脸识别介绍
1.2 可见光/近红外人脸识别算法概述
1.2.1 特征提取算法
1.2.2 子空间方法
1.3 常用的人脸数据库
1.4 论文结构
2 相关工作
2.1 异质人脸识别算法
2.1.1 同质合成方法
2.1.2 不变特征提取
2.1.3 公共子空间学习方法
2.2 极限学习机
2.3 多任务学习
3 多特征学习
3.1 SIFT算法的基本理论
3.1.1 检测尺度空间中的极值点
3.1.2 定位关键点
3.1.3 确定关键点方向
3.1.4 描述关键点
3.2 LBP特征基本理论
3.2.1 纹理特征
3.2.2 基本的LBP描述子
3.2.3 扩展的LBP描述子
3.2.4 LBP描述子的发展演化
3.2.5 分块的LBP特征
3.2.6 LBP特征的特点
3.2.7 局部三值模式LTP
3.3 HOG特征的基本理论
3.3.1 HOG特征的优点
3.3.2 HOG特征提取算法
3.4 特征融合算法
3.4.1 权值计算
3.4.2 连续性组合和平行性组合
3.5 多视图平滑判别分析
3.6 实验部分
3.6.1 实验设置
3.6.2 实验结果
3.7 本章小结
4 基于ELM的多任务聚类算法
4.1 极限学习机
4.1.1 单隐藏层前馈神经网络
4.1.2 极限学习机
4.2 多任务学习方法
4.3 基于ELM的多任务聚类算法
4.3.1 ELM映射算法
4.3.2 多任务聚类方法
4.4 实验
4.4.1 CASIAHFB数据库实验
4.4.2 CASIANIR-VIS 2.0数据库
4.4.3 实验结果及分析
4.5 本章总结
5 可见光/近红外人脸识别系统
5.1 系统功能介绍
5.2 系统设计介绍
5.2.1 读取现有图像识别
5.2.2 人脸注册功能
5.2.3 实时人脸识别
5.3 系统实现
5.3.1 开发环境介绍
5.3.2 读取现有图像识别
5.3.3 人脸注册功能
5.3.4 实时人脸识别
6 结论与展望
6.1 主要工作及创新点
6.2 未来工作展望
参考文献
作者简历及攻读硕士学位期间取得的研究成果
学位论文数据集
【参考文献】：
期刊论文
[1]人脸图像的LTP特征提取[J]. 边后琴. 上海电力学院学报. 2013(03)
[2]基于多尺度局部二值模式的人脸识别[J]. 刘中华,史恒亮,张兰萍,金忠. 计算机科学. 2009(11)
[3]基于SIFT特征的单样本人脸识别研究[J]. 许广毅,王杨. 信息工程大学学报. 2008(02)
本文编号：3003495
本文链接：https://www.wllwen.com/kejilunwen/ruanjiangongchenglunwen/3003495.html
