基于弱约束室内视频的人脸图像优选模块的设计与实现
发布时间：2021-07-27 17:22
目前,人脸识别系统在进行人脸识别时获取人脸图像的方式通常有两种:第一种是所识别人站在指定的摄像头前面进行识别。该种方式约束力较强,而且只适用于单人脸识别,因此效率较低;第二种是直接从监控视频中获取人脸图像进行识别。但由于视频中的人脸处于无约束状态,导致获取到大量低质量人脸图像,比如,人脸图像存在偏转、模糊、遮挡等问题,若直接用于识别会降低识别准确率。此外,视频帧间的冗余极大地增加了系统的负担。为解决视频中低质量的人脸图像降低人脸识别准确率的问题,本学位论文设计并实现了人脸图像优选模块,在对人脸进行识别之前,先通过人脸图像优选模块对从视频中获取的人脸图像进行优选,不仅可以提高人脸识别准确率,还可以提高系统的运行效率。本学位论文的主要工作内容如下:首先,提出了将人脸聚类与人脸跟踪相结合的方法来完成人脸数据集的生成。解决了在生成每个人的人脸数据集时,单独采用人脸跟踪方法所存在的处理过程复杂且由于人脸间的遮挡导致目标丢失的问题,以及单独采用聚类算法所存在的特征提取阶段较为耗时的问题。其次,根据视频中人脸状态的实际情况,定义了人脸旋转程度评价指标、人眼状态评价指标、人脸遮挡程度评价指标以及人脸图...
【文章来源】：延边大学吉林省 211工程院校
【文章页数】：60 页
【学位级别】：硕士
【部分图文】：
图２－１残差块结构图??Ｆｉｇ．?２－１?Ｓｔｒｕｃｔｕｒｅ?ｄｉａｇｒａｍ?ｏｆ?ｒｅｓｉｄｕａｌ?ｂｌｏｃｋ??
图３－１初始化选定框?
出现跟踪目标丢失问题，并且在选定目标区域后，尺度大小将不再改变，在??跟踪过程中无法实现人脸框的尺度自适应，因此，会发生跟踪漂移现象。具??体情况如图３－１至３－３所示。??图３－１为初始化选定目标，图３－２为目标刚开始发生遮挡，图３－３为遮挡??后跟踪目标丢失。观察图３－１和图３－２可发现随着人脸逐渐靠近镜头，人脸??尺度逐渐变大，但人脸框不能自适应人脸尺度的变化。从图３－２和图３－３可??看出，遮挡发生后会出现目标跟踪丢失现象。??图３－１初始化选定框?图３－２目标发生遮挡?图３－３目标跟踪丢失??Ｆｉｇ．?３－１?Ｉｎｉｔｉａｌｉｚｅ?ｔｈｅ?ｓｅｌｅｃｔｅｄ?ｂｏｘ?Ｆｉｇ．?３－２?Ｔａｒｇｅｔ?ｏｃｃｌｕｓｉｏｎ?Ｆｉｇ．?３－３?Ｔａｒｇｅｔ?ｔｒａｃｋｉｎｇ?ｌｏｓｔ??（２）?Ｃｈｉｎｅｓｅ?ｗｈｉｓｐｅｒｓ聚类算法分析??Ｃｈｉｎｅｓｅ?ｗｈｉｓｐｅｒｓ聚类算法原理简单、复杂度较低，并且不需要事先指定??聚类数。该算法使用残差网络虽能提取到有效的人脸特征进行相似度计算，??使得相比传统聚类算法，聚类准确率得到提高，但是特征提取过程较为耗时，??例如
【参考文献】：
期刊论文
[1]基于CNN的监控视频中人脸图像质量评估[J]. 王亚,朱明,刘成林. 计算机系统应用. 2018(11)
[2]结合RGB三维直方图和DBSCAN算法的图像分割[J]. 丁倩,周绍光,邓巧,王馨苑. 计算机工程与应用. 2018(21)
[3]基于纹理特征融合的人脸图像质量评估算法[J]. 陈正浩,吴云东,蔡国榕,陈水利. 集美大学学报(自然科学版). 2018(04)
[4]基于特征组合的多人脸跟踪算法[J]. 骆绍烨,刘丽桑. 延边大学学报(自然科学版). 2018(01)
[5]基于改进Camshift和Kalman滤波的目标跟踪算法[J]. 李蕊岗,张明. 微型机与应用. 2017(12)
[6]无参考图像质量评价综述[J]. 王志明. 自动化学报. 2015(06)
[7]融合Camshift的在线Adaboost目标跟踪算法[J]. 吕卓纹,王科俊,李宏宇,阎涛. 中南大学学报(自然科学版). 2013(S2)
[8]基于边缘统计和特征定位的人脸姿态估计方法[J]. 王燕群,童卫青,张昌明. 计算机系统应用. 2011(04)
[9]图像质量评价方法研究进展[J]. 蒋刚毅,黄大江,王旭,郁梅. 电子与信息学报. 2010(01)
[10]一种基于知识的快速人脸检测方法[J]. 姜军,张桂林. 中国图象图形学报. 2002(01)
博士论文
[1]人脸图像质量评估标准方法研究[D]. 高修峰.中国科学技术大学 2008
硕士论文
[1]低质量无约束人脸图像下的超分辨率摆正[D]. 孙强.南京航空航天大学 2018
[2]人脸深度特征获取及聚类技术研究[D]. 陈恳.浙江工业大学 2017
[3]基于特征点的人脸姿态估计与识别系统研究[D]. 段培聪.西安电子科技大学 2017
[4]视频序列中的人脸检测与跟踪技术研究[D]. 兰琦.中国科学院大学(中国科学院光电技术研究所) 2017
[5]视频中的人脸检测与识别系统的设计与实现[D]. 侯晓雨.北京邮电大学 2017
[6]基于视频的实时多人脸检测跟踪与优选方法研究[D]. 孟繁静.东北师范大学 2016
[7]视频序列下的人脸表情识别[D]. 周羽奇.华中科技大学 2016
[8]视频监控中人数统计方法的研究与实现[D]. 李鹏举.华中科技大学 2013
本文编号：3306217
【文章来源】：延边大学吉林省 211工程院校
【文章页数】：60 页
【学位级别】：硕士
【部分图文】：
图２－１残差块结构图??Ｆｉｇ．?２－１?Ｓｔｒｕｃｔｕｒｅ?ｄｉａｇｒａｍ?ｏｆ?ｒｅｓｉｄｕａｌ?ｂｌｏｃｋ??
图３－１初始化选定框?
出现跟踪目标丢失问题，并且在选定目标区域后，尺度大小将不再改变，在??跟踪过程中无法实现人脸框的尺度自适应，因此，会发生跟踪漂移现象。具??体情况如图３－１至３－３所示。??图３－１为初始化选定目标，图３－２为目标刚开始发生遮挡，图３－３为遮挡??后跟踪目标丢失。观察图３－１和图３－２可发现随着人脸逐渐靠近镜头，人脸??尺度逐渐变大，但人脸框不能自适应人脸尺度的变化。从图３－２和图３－３可??看出，遮挡发生后会出现目标跟踪丢失现象。??图３－１初始化选定框?图３－２目标发生遮挡?图３－３目标跟踪丢失??Ｆｉｇ．?３－１?Ｉｎｉｔｉａｌｉｚｅ?ｔｈｅ?ｓｅｌｅｃｔｅｄ?ｂｏｘ?Ｆｉｇ．?３－２?Ｔａｒｇｅｔ?ｏｃｃｌｕｓｉｏｎ?Ｆｉｇ．?３－３?Ｔａｒｇｅｔ?ｔｒａｃｋｉｎｇ?ｌｏｓｔ??（２）?Ｃｈｉｎｅｓｅ?ｗｈｉｓｐｅｒｓ聚类算法分析??Ｃｈｉｎｅｓｅ?ｗｈｉｓｐｅｒｓ聚类算法原理简单、复杂度较低，并且不需要事先指定??聚类数。该算法使用残差网络虽能提取到有效的人脸特征进行相似度计算，??使得相比传统聚类算法，聚类准确率得到提高，但是特征提取过程较为耗时，??例如
【参考文献】：
期刊论文
[1]基于CNN的监控视频中人脸图像质量评估[J]. 王亚,朱明,刘成林. 计算机系统应用. 2018(11)
[2]结合RGB三维直方图和DBSCAN算法的图像分割[J]. 丁倩,周绍光,邓巧,王馨苑. 计算机工程与应用. 2018(21)
[3]基于纹理特征融合的人脸图像质量评估算法[J]. 陈正浩,吴云东,蔡国榕,陈水利. 集美大学学报(自然科学版). 2018(04)
[4]基于特征组合的多人脸跟踪算法[J]. 骆绍烨,刘丽桑. 延边大学学报(自然科学版). 2018(01)
[5]基于改进Camshift和Kalman滤波的目标跟踪算法[J]. 李蕊岗,张明. 微型机与应用. 2017(12)
[6]无参考图像质量评价综述[J]. 王志明. 自动化学报. 2015(06)
[7]融合Camshift的在线Adaboost目标跟踪算法[J]. 吕卓纹,王科俊,李宏宇,阎涛. 中南大学学报(自然科学版). 2013(S2)
[8]基于边缘统计和特征定位的人脸姿态估计方法[J]. 王燕群,童卫青,张昌明. 计算机系统应用. 2011(04)
[9]图像质量评价方法研究进展[J]. 蒋刚毅,黄大江,王旭,郁梅. 电子与信息学报. 2010(01)
[10]一种基于知识的快速人脸检测方法[J]. 姜军,张桂林. 中国图象图形学报. 2002(01)
博士论文
[1]人脸图像质量评估标准方法研究[D]. 高修峰.中国科学技术大学 2008
硕士论文
[1]低质量无约束人脸图像下的超分辨率摆正[D]. 孙强.南京航空航天大学 2018
[2]人脸深度特征获取及聚类技术研究[D]. 陈恳.浙江工业大学 2017
[3]基于特征点的人脸姿态估计与识别系统研究[D]. 段培聪.西安电子科技大学 2017
[4]视频序列中的人脸检测与跟踪技术研究[D]. 兰琦.中国科学院大学(中国科学院光电技术研究所) 2017
[5]视频中的人脸检测与识别系统的设计与实现[D]. 侯晓雨.北京邮电大学 2017
[6]基于视频的实时多人脸检测跟踪与优选方法研究[D]. 孟繁静.东北师范大学 2016
[7]视频序列下的人脸表情识别[D]. 周羽奇.华中科技大学 2016
[8]视频监控中人数统计方法的研究与实现[D]. 李鹏举.华中科技大学 2013
本文编号：3306217
本文链接：https://www.wllwen.com/kejilunwen/shengwushengchang/3306217.html
最近更新
教材专著
