基于LBP的三维人脸识别

发布时间：2017-05-19 21:04

  本文关键词：基于LBP的三维人脸识别，由笔耕文化传播整理发布。

【摘要】：人类探寻未知事物的好奇心是推动科技进步的源动力。如今科技已融入生活的方方面面,并逐步改变了人们的生活习惯。其中以人脸识别为代表的生物识别技术占有十分重要的地位,在许多领域,如:刑事侦查、网上支付、门禁系统等都有十分重要的应用。虽然二维人脸识别技术已趋于成熟,但由于二维数据的信息量有限且在采集时易受光照、姿态、表情等外界因素的干扰,导致其发展受到一定的阻碍。而三维人脸数据不仅包含人脸在三维空间内丰富的信息,并且在采集数据时受外界因素的影响较小,故人脸识别的研究重心逐渐转向了三维领域。局部二值模式(LBP)是一种优秀的局部特征提取方法,其具有特征提取准确、对光照不敏感等优点。本文吸取目前几种人脸识别方法的优势,并在此基础上加以改进,提出了一种基于融合多维度、多尺度信息的三维人脸LBP特征向量,采用岭回归算法训练分类器,并用标记向量代替特征向量进行分类的三维人脸识别方法。本文完成的工作主要有:1、预处理。二维图像采用Ada Boost分类器进行人脸检测,提取出人脸区域;三维人脸模型先对其进行切割,再对脸部区域进行投影得到三维人脸深度图像。2、特征提取。三维人脸特征向量由两部分组成,一部分来自于三维人脸深度图像的LBP特征向量;另一部分来自于对应二维人脸纹理图像的多尺度LBP特征向量。先利用小波分解得到不同尺度的二维人脸图像,再分别利用Uniform模式的LBP算子提取深度图像与多尺度图像的特征向量,最终级联得到融合多维度、多尺度信息的三维人脸LBP特征向量。3、分类识别。为减少计算复杂度、加快识别速度,采取一种基于特征向量的标记向量估计值的方法进行人脸识别。先利用PCA对三维人脸特征向量进行降维,再利用岭回归算法训练特征向量矩阵与标记向量矩阵得到岭回归投影矩阵,最后将待识别人脸特征向量向该矩阵进行投影得到标记向量的估计值,计算估计值与类别标记向量间的距离实现人脸识别。实验证明该方法可以有效提取三维人脸特征并且具有较高的识别率,对三维人脸识别的发展具有积极作用。
【关键词】：局部二值模式 多尺度特征 三维人脸识别 深度图像 岭回归
【学位授予单位】：吉林大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：TP391.41
【目录】：

• 摘要4-5
• Abstract5-10
• 第1章 绪论10-16
• 1.1 研究背景及意义10-11
• 1.2 人脸识别技术概况11-15
• 1.2.1 二维人脸识别研究现状11-13
• 1.2.2 三维人脸识别研究现状13-15
• 1.3 本文的结构安排15-16
• 第2章 人脸数据的预处理16-28
• 2.1 二维人脸预处理16-20
• 2.1.1 Ada Boost人脸检测16-20
• 2.1.2 人脸分块处理20
• 2.2 三维人脸预处理20-24
• 2.2.1 三维人脸预处理简介20-21
• 2.2.2 本文采取的预处理方法21-24
• 2.3 三维人脸数据库24-27
• 2.3.1 三维人脸数据库简介24-25
• 2.3.2 本文采用的数据库25-27
• 2.4 本章小结27-28
• 第3章 LBP的原理及应用28-36
• 3.1 原始LBP算子概述28-29
• 3.1.1 背景介绍28
• 3.1.2 原始LBP算子28-29
• 3.2 改进的LBP算子概述29-33
• 3.2.1 圆形LBP算子29-30
• 3.2.2 LBP的旋转不变模式30-31
• 3.2.3 LBP的等价模式31-33
• 3.3 LBP在人脸识别中的应用33-34
• 3.4 LBP的优势以及不足34-35
• 3.5 本章小结35-36
• 第4章 基于多尺度LBP特征的识别36-45
• 4.1 多尺度LBP特征36-39
• 4.1.1 多尺度特征概述36
• 4.1.2 多级小波分解36-38
• 4.1.3 多尺度特征向量38-39
• 4.2 基于PCA的降维处理39-41
• 4.2.1 PCA方法的介绍39-40
• 4.2.2 特征向量的降维40-41
• 4.3 分类器介绍41-44
• 4.3.1 几种常见的分类方法41-43
• 4.3.2 本文使用的分类器43-44
• 4.4 本章小节44-45
• 第5章 实验设计与结果分析45-54
• 5.1 开发环境简介45
• 5.2 实验设计45-50
• 5.3 结果分析50-53
• 5.4 本章小节53-54
• 第6章 总结与展望54-57
• 6.1 总结54-55
• 6.2 展望55-57
• 参考文献57-62
• 作者简介及在学期间所取得的科研成果62-63
• 致谢63

【相似文献】

中国期刊全文数据库 前10条

1 吴通理;郑建德;;三维人脸识别及其关键技术[J];福建电脑;2007年02期

2 杨臻;管业鹏;朱秋煜;;一种自动鲁棒的三维人脸重建方法[J];微计算机信息;2007年31期

3 李健;师永刚;;基于标准模型的三维人脸建模与控制[J];陕西科技大学学报(自然科学版);2008年06期

4 罗恒希;陈雷霆;何明耘;;利用对称性实现三维人脸姿态的自动估计[J];计算机应用研究;2008年07期

5 王跃明;潘纲;吴朝晖;;三维人脸识别研究综述[J];计算机辅助设计与图形学学报;2008年07期

6 胡异丁;朱斌;甘俊英;;基于三维人脸建模的多姿态人脸识别[J];计算机工程与设计;2009年07期

7 邓秋平;赵宇明;;基于单幅正面照片的三维人脸重建方法[J];计算机工程;2010年20期

8 李晔;王映辉;刘晶;;基于脊谷特征提取的三维人脸识别[J];计算机工程与应用;2011年12期

9 刘笃晋;孙淑霞;李思明;;一种新的单张照片三维人脸重建方法[J];计算机仿真;2011年09期

10 陆涛;谭晓阳;;改进的三维人脸稠密对齐方法[J];电子科技;2012年07期

中国重要会议论文全文数据库 前7条

1 刘媛媛;孔德慧;尹宝才;;一种真实感三维人脸编辑算法[A];第一届中国情感计算及智能交互学术会议论文集[C];2003年

2 林增刚;张艳宁;郭哲;;一种有效的三维人脸识别方法[A];第十二届中国体视学与图像分析学术会议论文集[C];2008年

3 潘仁林;达飞鹏;邹红艳;王朝阳;;基于面部曲线弹性匹配的三维人脸识别方法[A];第六届全国几何设计与计算学术会议论文集[C];2013年

4 刚强;刘万春;朱玉文;;三维人脸真实感表情的生成[A];第一届中国情感计算及智能交互学术会议论文集[C];2003年

5 王元春;刘跃虎;李W毘，

本文编号：379831