基于融合全局和局部特征的人脸部分遮挡算法研究
发布时间：2021-08-25 21:35
随着深度学习、计算机视觉等相关技术的日益成熟,人脸识别已然成为全球在视频智能应用领域的主流,很多车站与机场已经大量使用基于人脸识别实现的通关检查系统,使得这项技术受到了各领域的高度关注,其市场需求不断增加,应用场景不断被挖掘。除了安防与金融两大领域外,人脸识别还在医疗、教育、交通等诸多场景实现了较为广泛的应用,并呈现出显著的应用价值。对于每个人来说,其脸部特征具有高度唯一性,虽然理想状态和可控设置下的人脸识别研究已经取得了较好的效果,但在真实自然环境、不可控制下采集到的人脸图像信息会受到人体毛发、口罩、帽子、墨镜（眼镜）等常佩戴物体的遮挡以及其他光照、表情等多种因素的干扰,使得人脸面部部分信息缺失从而影响了特征的提取和识别,降低了人脸识别的正确率。因此对部分遮挡人脸识别问题的研究,是愈加广泛应用人脸识别技术的重要课题之一,同时对人脸线性重构和人脸特征提取进行更加深入的研究也是十分重要的。要设计出一种使得遮挡对人脸识别造成的影响最小化且性能优良的算法十分关键。针对这一问题,许多学者和研究人员纷纷开展了深入的研究,但是难以攻克的地方依然存在:如果遮挡面积超过临界点,比如当人脸遮挡面积大于2...
【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】：72 页
【学位级别】：硕士
【部分图文】：
去噪前与去噪后的对比图像
西南大学硕士学位论文142.2.3直方图均衡化直方图均衡化，如下图2.2所示，通常也别称作是灰度均衡化，这是一种间接地增强待处理人脸图像对比度的方法[39]。其中，非线性化拉伸原本的图像，也就是通过处理原本的图像完成全部灰度范围里的均匀分布，把原本图像的灰度直方图转化为新的均匀分布的灰度直方图，并且经过处理后的人脸图像具有较大的动态范围和较高的对比度。图2.2直方图均衡化前后的对比图像（左图为原图，右图为直方图均衡化后的图像）Fig2.2Contrastimagebeforeandafterhistogramequalization(leftimageistheoriginalimage,rightimageistheimageafterhistogramequalization)图像灰度级的信息统计由灰度直方图显示。从数学角度出发，是对图像中每一个灰度级出现次数或出现频率进行计算的一个二维图[40]。在灰度直方图中，我们把每一个像素对应的灰度级别由横坐标轴中相应的数值大小表示，我们把图像中每个像素的出现次数或出现频率由纵坐标轴中相应的数值大小表示。一个像素的灰度级在此用if予以表示，某一灰度级在一张图像里所对应的出现次数用in予以表示，图像中像素点的总个数用N予以表示，某一灰度级在一张图像里所对应的出现频率用)(fpif表示，则：Nn)(fpiif,255)(0,1,i（2.6）直方图均衡化经常用于处理以下的情况——其中一种是过度曝光使得图像前景背景过于明亮，而另外一种是曝光不足使得图像前景背景过于灰暗。经过处理后，图形的对比度得以增强，图像的灰度范围得以扩展。按照之前的，一个像素的灰度级用if予以表示，,255)(0,1,i，某一灰度级在一张图像里所对应的出现次数用in予以表示，图像中像素点的总个数用N予以表示，某一灰度级在一张图像里所对应的出现频率用)(fpif予以表示，则累积分布函数如下?
不同特征的实验结果
【参考文献】：
期刊论文
[1]局部遮挡条件下的人脸识别[J]. 岳震,陈凯勇. 计算机应用与软件. 2018(05)
[2]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)
[3]基于DPM模型的静态人脸检测[J]. 钱玉洁,王玉德,冯玮,李圆圆,张肖肖. 电子技术. 2016(03)
[4]基于差值局部方向模式的人脸特征表示[J]. 李照奎,丁立新,王岩,何进荣,丁国辉. 软件学报. 2015(11)
[5]基于HOG金字塔人脸识别方法[J]. 杨冰,王小华,杨鑫,黄孝喜. 浙江大学学报(工学版). 2014(09)
[6]基于稀疏表示的遮挡人脸表情识别方法[J]. 朱明旱,李树涛,叶华. 模式识别与人工智能. 2014(08)
[7]基于流形学习的遮挡条件下表情识别方法[J]. 朱明旱,陈日新,罗大庸. 光电子.激光. 2012(10)
[8]基于SLPP和张量分解相结合的人脸识别[J]. 许亦男,王士同. 计算机应用研究. 2011(08)
[9]基于多级CS-LBP特征融合的人脸识别方法[J]. 卢建云,何中市,余磊. 计算机工程与科学. 2010(06)
[10]人脸遮挡区域检测与重建[J]. 王志明,陶建华. 计算机研究与发展. 2010(01)
硕士论文
[1]有遮挡人脸图像的特征提取和识别研究[D]. 沈闻佳.浙江工业大学 2015
[2]基于韦伯局部特征和稀疏表示的人脸识别方法研究[D]. 龚大义.湖南大学 2013
本文编号：3362892
【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】：72 页
【学位级别】：硕士
【部分图文】：
去噪前与去噪后的对比图像
西南大学硕士学位论文142.2.3直方图均衡化直方图均衡化，如下图2.2所示，通常也别称作是灰度均衡化，这是一种间接地增强待处理人脸图像对比度的方法[39]。其中，非线性化拉伸原本的图像，也就是通过处理原本的图像完成全部灰度范围里的均匀分布，把原本图像的灰度直方图转化为新的均匀分布的灰度直方图，并且经过处理后的人脸图像具有较大的动态范围和较高的对比度。图2.2直方图均衡化前后的对比图像（左图为原图，右图为直方图均衡化后的图像）Fig2.2Contrastimagebeforeandafterhistogramequalization(leftimageistheoriginalimage,rightimageistheimageafterhistogramequalization)图像灰度级的信息统计由灰度直方图显示。从数学角度出发，是对图像中每一个灰度级出现次数或出现频率进行计算的一个二维图[40]。在灰度直方图中，我们把每一个像素对应的灰度级别由横坐标轴中相应的数值大小表示，我们把图像中每个像素的出现次数或出现频率由纵坐标轴中相应的数值大小表示。一个像素的灰度级在此用if予以表示，某一灰度级在一张图像里所对应的出现次数用in予以表示，图像中像素点的总个数用N予以表示，某一灰度级在一张图像里所对应的出现频率用)(fpif表示，则：Nn)(fpiif,255)(0,1,i（2.6）直方图均衡化经常用于处理以下的情况——其中一种是过度曝光使得图像前景背景过于明亮，而另外一种是曝光不足使得图像前景背景过于灰暗。经过处理后，图形的对比度得以增强，图像的灰度范围得以扩展。按照之前的，一个像素的灰度级用if予以表示，,255)(0,1,i，某一灰度级在一张图像里所对应的出现次数用in予以表示，图像中像素点的总个数用N予以表示，某一灰度级在一张图像里所对应的出现频率用)(fpif予以表示，则累积分布函数如下?
不同特征的实验结果
【参考文献】：
期刊论文
[1]局部遮挡条件下的人脸识别[J]. 岳震,陈凯勇. 计算机应用与软件. 2018(05)
[2]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)
[3]基于DPM模型的静态人脸检测[J]. 钱玉洁,王玉德,冯玮,李圆圆,张肖肖. 电子技术. 2016(03)
[4]基于差值局部方向模式的人脸特征表示[J]. 李照奎,丁立新,王岩,何进荣,丁国辉. 软件学报. 2015(11)
[5]基于HOG金字塔人脸识别方法[J]. 杨冰,王小华,杨鑫,黄孝喜. 浙江大学学报(工学版). 2014(09)
[6]基于稀疏表示的遮挡人脸表情识别方法[J]. 朱明旱,李树涛,叶华. 模式识别与人工智能. 2014(08)
[7]基于流形学习的遮挡条件下表情识别方法[J]. 朱明旱,陈日新,罗大庸. 光电子.激光. 2012(10)
[8]基于SLPP和张量分解相结合的人脸识别[J]. 许亦男,王士同. 计算机应用研究. 2011(08)
[9]基于多级CS-LBP特征融合的人脸识别方法[J]. 卢建云,何中市,余磊. 计算机工程与科学. 2010(06)
[10]人脸遮挡区域检测与重建[J]. 王志明,陶建华. 计算机研究与发展. 2010(01)
硕士论文
[1]有遮挡人脸图像的特征提取和识别研究[D]. 沈闻佳.浙江工业大学 2015
[2]基于韦伯局部特征和稀疏表示的人脸识别方法研究[D]. 龚大义.湖南大学 2013
本文编号：3362892
本文链接：https://www.wllwen.com/kejilunwen/shengwushengchang/3362892.html
最近更新
教材专著
