局部遮挡下的人脸识别方法研究

发布时间：2021-09-03 22:59

　　随着信息技术和互联网技术的发展,身份认证和鉴别逐渐成为当今互联网时代的研究重点,而人脸识别技术在身份认证方面有着独特的优势。目前人脸识别已经成功的应用于安防监控、人脸支付、公司打卡等领域。但仅限在限制条件下才取得良好的识别效果,在非限制条件下仍然不尽人意,尤其是在遮挡条件下,由于其复杂性,到目前为止还未取得很好的效果。本文针对局部遮挡下的人脸识别方法开展研究,有以下工作和创新点:1.以SRC分类器和CRC分类器为基础,从误差概率分布和协同表示的角度,提出一种基于误差加权和协同表示的分类器（EW-CR）。将遮挡部分视为无遮挡原人脸图像的误差,再对各像素点赋予相应的权重,减小遮挡所带来的影响。重构系数?可能会因为局部特征的相似性而对非识别类“过度表达”,因此,采用2l范数来对其进行“抑制”,从而使得更多的同类样本来表达测试样本,进而提高识别率。实验证明,EW-CR分类器在光照、表情、遮挡下有良好的鲁棒性,在AR数据集、Extend Yale B数据集、FLW数据集上分别取得99.33%、96.00%、78.64%的识别率,与最新同类型算法比较,分别提升了0.93%、2.80%、2.24%。... 

【文章来源】：重庆邮电大学重庆市

【文章页数】：68 页

【学位级别】：硕士

【部分图文】：

Gamma校正示意图

重庆邮电大学硕士学位论文第2章人脸识别过程11图2.3Gamma校正图像（左为原图，右为校正后的图）3.构建梯度方向直方图，获取块的HOG特征。以图2.4为例，图2.4的大小为80×80像素，每5×5像素组成一个cell，如图2.4中每个黑色方框所示，每2×2个cell组成一个块，如图2.4中红色方框所示，以5个像素为步长，水平方向和垂直方向上都是15个扫描窗口。首先把组距bin设置为9，每个5×5个像素点中，把梯度方向属于同一个范围的对应梯度值叠加起来，形成一个方向梯度直方图，然后把纵坐标按顺序进行编码，得到每个cell的HOG特征；然后依次把2×2个cell的特征向量串联起来，得到一个块的HOG特征，维数为49。4.获取最终的HOG特征。由于局部光照变化，使得梯度强度的变化范围非常大，所以首先用2l范数对每块的HOG特征进行归一化，进一步对光照、阴影和边缘进行压缩；然后将每个归一化后的HOG特征串联起来，构成这张图像的HOG特征，对于一张80×80的图像，最终的HOG特征维数为36×15×15=8100。2.2.2Gabor小波变换Gabor变换是以Fourier变换为基础发展起来的[45]，与Fourier变换不同的是，Gabor变换属于局部变换，它可以有效的从不同尺度和方向上提取图像的局部信息。它的优点有如下几点：1.参数选取的灵活性，可以非常容易的调整频率、带宽、滤波方向等参数，从而提高它在时域和频域上的分辨能力；2.多分辨率特性，在对图像提取特征时，通常会从多方向和多尺度进行提取，这样可以获取图像的多种局部信息，后续可以筛选出需要的信息；

重庆邮电大学硕士学位论文第2章人脸识别过程123.光照不变特征，Gabor小波对光照不敏感，可以减少后续分类过程中光照对识别结果的影响。图2.4提取HOG特征时的分块情况示意图一个典型的二维Gabor滤波函数的复数形式可以用公式(2.4)和(2.5)来表示，通过欧拉公式，还可以将函数的实部和虚部分别由公式(2.6)和(2.7)来描述。2222,,,22,expexpexp22uvuvuvuvkkzgzikz(2.4),cossinvuuvvukkk(2.5)2222,,,22,Re,expcosexp22uvuvuvuvkkzgxykz(2.6)222,,,22,Im,expsin2uvuvuvuvkkzgxykz(2.7)其中zx,y，是输入图像的像素坐标点，u是决定滤波核的方向的方向因子，在人脸识别问题中，通常u0,1,,7；v是决定滤波核大小的尺度因子，通常v0,1,,4；maxvvkkf，f为频率域中的采样步长，通常取f2，maxk对应最大的采样频率，通常取maxk2；8uu；是高斯窗的的尺度因子，控制滤


本文编号：3382034