子空间算法在人脸识别上的应用

发布时间：2021-05-18 20:47

　　人脸识别作为计算机视觉领域的重要研究方向,已经广泛应用于生产和生活中,为生产和生活提供了极大的便利。然而,人脸图像通常受面部朝向、遮挡、以及表情变化等多种条件的影响,给人脸识别任务带来了挑战性。机器学习算法处理高维图像数据容易遭受维度灾难问题,同时研究发现人脸数据在空间中具有隐含的流形结构。以流形学习为代表的子空间算法对高维人脸数据进行降维获得其本质的低维特征,降低数据维数避免维度灾难问题,同时保留数据在原始空间中的流形结构,在人脸识别领域取得了广泛的应用。以线性判别分析为代表的全局子空间算法使用样本的全局信息,最大化异类样本之间的距离、最小化同类样本之间的距离,取得了较强的判别性能。然而全局子空间算法未使用样本的局部近邻结构,无法反映数据的本质特点,同时受小样本问题影响。以流形学习为代表的子空间算法保持样本的局部近邻结构,能够维持反映样本之间近邻关系的流形结构。在人脸识别任务中,希望提取具有判别性能的特征、保持数据本质的流形结构,需要同时利用样本的全局类别信息与局部近邻结构。如何平衡人脸识别任务中保持流形结构与增强判别性能之间的矛盾,是一个值得研究的问题。针对以子空间算法在人脸识别任... 

【文章来源】：华中师范大学湖北省 211工程院校 教育部直属院校

【文章页数】：82 页

【学位级别】：硕士

【文章目录】：
摘要
Abstract
第1章 绪论
    1.1 研究背景与意义
    1.2 国内外研究现状
    1.3 本文的创新工作
    1.4 本文的组织结构
第2章 人脸识别相关工作
    2.1 人脸识别技术概述
        2.1.1 基于几何特征
        2.1.2 基于子空间特征
        2.1.3 基于神经网络
    2.2 子空间算法
        2.2.1 PCA
        2.2.2 LDA
        2.2.3 LPP
    2.3 人脸数据集介绍
        2.3.1 ORL数据集
        2.3.2 Yale数据集
        2.3.3 FERET数据集
    2.4 本章小结
第3章 边界判别投影算法在人脸识别上的应用
    3.1 相关工作
        3.1.1 MMC
        3.1.2 MFA
    3.2 算法介绍
        3.2.1 算法思想
        3.2.2 算法内容
        3.2.3 算法复杂度分析
    3.3 人脸数据集上的实验
        3.3.1 ORL数据集上的实验
        3.3.2 Yale数据集上的实验
    3.4 本章小结
第4章 局部敏感判别投影算法在人脸识别上的应用
    4.1 相关工作
        4.1.1 LSDA
        4.1.2 ILSDA
    4.2 算法介绍
        4.2.1 算法思想
        4.2.2 算法内容
        4.2.3 算法复杂度分析
    4.3 人脸数据集上的实验
        4.3.1 ORL数据集上的实验
        4.3.2 Yale数据集上的实验
        4.3.3 FERET数据集上的实验
    4.4 本章小结
第5章 相似性与多样性判别投影在人脸识别上的应用
    5.1 相关工作
        5.1.1 LSDA
        5.1.2 MFA
    5.2 算法介绍
        5.2.1 算法思想
        5.2.2 算法内容
        5.2.3 算法复杂度分析
    5.3 人脸数据集上的实验
        5.3.1 ORL数据集上的实验
        5.3.2 Yale数据集上的实验
    5.4 本章小结
第6章 总结与展望
参考文献
在校期间发表的论文、科研成果
致谢


【参考文献】：
期刊论文
[1]深度卷积特征向量用于快速人脸图像检索[J]. 李振东,钟勇,曹冬平.  计算机辅助设计与图形学学报. 2018(12)
[2]稀疏约束下快速低秩共享的字典学习方法及其人脸识别[J]. 田泽,杨明,李爱师.  计算机研究与发展. 2018(08)
[3]基于LBP和多层DCT的人脸活体检测算法[J]. 田野,项世军.  计算机研究与发展. 2018(03)
[4]基于流形结构的人脸民族特征研究[J]. 王存睿,张庆灵,段晓东,王元刚,李泽东.  自动化学报. 2018(01)
[5]深度卷积神经网络的发展及其在计算机视觉领域的应用[J]. 张顺,龚怡宏,王进军.  计算机学报. 2019(03)
[6]有遮挡人脸识别综述:从子空间回归到深度学习[J]. 李小薪,梁荣华.  计算机学报. 2018(01)
[7]卷积神经网络研究综述[J]. 周飞燕,金林鹏,董军.  计算机学报. 2017(06)
[8]基于条件随机森林的非约束环境自然笑脸检测[J]. 罗珍珍,陈靓影,刘乐元,张坤.  自动化学报. 2018(04)



本文编号：3194460