多特征融合的素描人脸识别研究

发布时间：2021-05-12 13:45

　　二十一世纪人工智能和互联网行业在飞速发展,而机器视觉是人工智能正在飞速发展的一个分支,其应用遍布各个领域,如:工业、农业、医药、军事、航天等,机器视觉就是用机器代替人眼来做测量和判断。近年来,人脸识别一直是机器视觉、模式识别和图像处理领域的研究热点之一,是基于人脸的特征信息进行身份识别的一种生物识别技术,在身份鉴定、监控系统、企业及住宅安全和管理、公安司法搜捕逃犯、自助服务等领域进行广泛应用。素描人脸识别是根据素描人脸进行识别的人脸识别。素描人脸识别主要在公安司法案件侦破中进行应用,在案件没有犯罪嫌疑人的确定照片时,通过对素描图片与人脸照片的比对,可以帮助调查者锁定或缩小犯罪嫌疑人的范围。目前,素描人脸识别的研究备受关注。早期的单特征素描人脸识别方法,采用的是单个全局特征或者单个局部特征,对特征信息使用存在明显不足。近年来,多特征素描人脸识别方法成为热门研究方向,在识别效果上取得了很大的进展,但依然存在很多问题,比如识别准确率仍有提升空间等。本文结合全局特征和局部特征,采用多特征融合的方式进行素描人脸识别。主要工作如下:（1）现有的采用基于多全局特征提取的素描人脸识别,对图像的人脸表情... 

【文章来源】：西南大学重庆市 211工程院校 教育部直属院校

【文章页数】：63 页

【学位级别】：硕士

【文章目录】：
摘要
Abstract
第1章 绪论
    1.1 研究背景及意义
    1.2 国内外研究现状
    1.3 主要工作
    1.4 论文结构
第2章 相关理论及技术
    2.1 预处理
        2.1.1 图片像素值修改
        2.1.2 灰度化处理
        2.1.3 Gamma校正
    2.2 特征提取
        2.2.1 HOG(方向梯度直方图)特征提取
        2.2.2 LBP(局部二值模式)特征提取
        2.2.3 分块LBP特征提取
    2.3 常用数据库及评价指标
        2.3.1 常用数据库
        2.3.2 评价指标
    2.4 小结
第3章 多特征融合的素描人脸识别方法
    3.1 识别框架
    3.2 图像预处理
        3.2.1 图片像素修改
        3.2.2 灰度化处理
        3.2.3 Gamma校正
    3.3 特征提取
        3.3.1 提取方向梯度直方图特征
        3.3.2 提取局部二值模式特征
        3.3.3 提取分块局部二值模式特征
    3.4 得到最终匹配图片
    3.5 算法流程
    3.6 实验
        3.6.1 实验环境与实验数据
        3.6.2 实验内容
        3.6.3 实验结果与分析
    3.7 小结
第4章 加权多特征融合的素描人脸识别方法
    4.1 加权多特征融合素描人脸识别方法一
        4.1.1 加权多特征融合素描人脸识别方法一框架
        4.1.2 图片预处理
        4.1.3 特征提取
        4.1.4 得到最终匹配图片
        4.1.5 算法流程
    4.2 加权多特征融合素描人脸识别方法二
        4.2.1 加权多特征融合素描人脸识别方法二框架
        4.2.2 图片预处理
        4.2.3 特征提取
        4.2.4 得到最终匹配图片
        4.2.5 算法流程
    4.3 实验
        4.3.1 实验环境与实验数据
        4.3.2 实验内容
        4.3.3 实验结果与分析
    4.4 小结
第5章 总结与展望
    5.1 工作总结
    5.2 进一步工作
参考文献
致谢
攻读硕士学位期间公开发表的论文


【参考文献】：
期刊论文
[1]结合改进Surf特征的素描人脸识别[J]. 曹林,李猛,张华.  计算机工程与应用. 2018(21)
[2]基于颜色和边缘特征自适应融合的人脸跟踪算法[J]. 周平平,万洪林,刘慧,李天平.  中国科学技术大学学报. 2017(10)
[3]超分辨率重建的素描人脸识别[J]. 赵京晶,方琪,梁植程,胡长胜,杨福猛,詹曙.  中国图象图形学报. 2016 (02)
[4]人脸识别技术在智能快递箱身份认证中的应用研究[J]. 刘芮,李中梅,宋雅静,张更路.  电脑编程技巧与维护. 2016(02)
[5]基于全局与局部特征的嵌入式人脸识别系统[J]. 陈志勇,彭力,张纪宽.  江南大学学报(自然科学版). 2015(03)
[6]分块LBP的素描人脸识别[J]. 周汐,曹林.  中国图象图形学报. 2015(01)
[7]基于SURF和快速近似最近邻搜索的图像匹配算法[J]. 赵璐璐,耿国华,李康,何阿静.  计算机应用研究. 2013(03)
[8]基于Gabor小波变换与分块PCA的人脸识别[J]. 王宪,陆友桃,宋书林,平雪良,许腾.  计算机工程与应用. 2012(03)
[9]基于改进SIFT算法的图像匹配方法[J]. 程德志,李言俊,余瑞星.  计算机仿真. 2011(07)
[10]基于全局和局部特征集成的人脸识别[J]. 苏煜,山世光,陈熙霖,高文.  软件学报. 2010(08)

博士论文
[1]面向素描的异质人脸识别[D]. 欧阳书馨.北京邮电大学 2017
[2]人脸画像—照片的合成与识别方法研究[D]. 肖冰.西安电子科技大学 2010

硕士论文
[1]素描人脸合成与识别研究[D]. 姚赛赛.山东大学 2018
[2]基于深度迁移学习的素描人脸识别研究与实现[D]. 周思洋.北京信息科技大学 2018
[3]基于LBP多特征融合的人脸表情识别[D]. 钟岩.哈尔滨理工大学 2016
[4]照片/素描及跨年龄阶段异质人脸的识别研究[D]. 王开芳.山东大学 2015
[5]基于HOG特征的人脸识别系统研究[D]. 慕春雷.电子科技大学 2013
[6]基于HOG-LBP特征的人脸识别[D]. 郝晓康.南京理工大学 2012
[7]基于LBP的人脸识别研究[D]. 黄非非.重庆大学 2009
[8]基于画像的人脸识别方法研究[D]. 张英武.西安电子科技大学 2005



本文编号：3183521