基于稀疏表示的复杂环境下人脸识别算法研究

发布时间：2022-01-12 02:53

　　人脸识别技术经过多年的发展,在复杂环境下的研究已经取得了一些进展。当环境影响因素较多,人脸识别算法的性能往往受到很严重的威胁。这些影响因素一般包括光照、姿态、遮挡、表情等,它们往往制约着人脸识别算法的效果与应用。为了解决仍然存在复杂环境下人脸识别率下降的问题,本文首先提出了一种基于增强的中心对称二值模式（ECS-LBP）描述子,该描述子针对严重光照情况具有较好的效果,通过实验验证了该描述子的效果。其次,在光照曝光过度的环境下,发现了该描述子的劣势,针对这一情况,本文通过信息补充来弥补描述子的不足,同时为了克服遮挡、表情所引起的人脸识别率下降问题,提出了基于双特征的稀疏表示人脸识别算法。本文将LC-KSVD算法改进为在决策层对特征分类原理进行融合处理,进而得到最终结果。最后,本文算法通过在Extended Yale B、CUM PIE、AR人脸库中进行验证,结果表明本文算法在复杂环境下的人脸识别率较高,鲁棒性较好。针对复杂环境下人脸识别易受光照、遮挡等因素的影响,本文提出一种有效可行的思路:1)提出了一种增强的中心对称二值模式特征描述子。该描述子对图像纹理特性进行编码,以降低严重光照的影... 

【文章来源】：北方工业大学北京市

【文章页数】：61 页

【学位级别】：硕士

【部分图文】：

现今刷脸技术问题

因此,本文旨在研究光照变化和部分遮挡对人脸识别的影响,特别是对于单样本的个体识别方面。首先,为了抑制由光照变化引起的影响,同时能够得到鲁棒性的深层特征,将基于小波的原理应用于特征描述子编码中,提出了一种改进的特征描述子。然后提出了双特征稀疏表示模型,充分利用了双特征判别信息。如图1-4所示,基于双特征稀疏表示算法的流程图。本篇文章的结构安排如下:

本课题研究光照变化程度对人脸识别的影响,测试改进算法性能,所以在实验中选用了正面姿态不同光照影响的人脸图像。图2-1为Extended Yale B人脸库中同一人的多种光照示例图。2.2.2 CMU PIE人脸库

【参考文献】：
期刊论文
[1]基于判别字典学习的线性子空间人脸识别算法[J]. 任克强,张静然.  华中科技大学学报(自然科学版). 2019(09)
[2]基于改进的直方图均衡化与边缘保持平滑滤波的红外图像增强算法[J]. 李贤阳,阳建中,杨竣辉,陆安山.  计算机应用与软件. 2019(03)
[3]结合曲面局部纹理特征的3维人脸识别[J]. 雷超,张海燕,詹曙.  中国图象图形学报. 2019(02)
[4]基于非线性调整的伽马校正图像增强算法[J]. 朱铮涛,萧达安.  计算机工程与设计. 2018(09)
[5]结合分块LBP与投影字典对学习的表情识别[J]. 张哲源,张灵,陈云华.  计算机工程与应用. 2019(12)
[6]基于稀疏表示与特征融合的人脸识别方法[J]. 木立生,吕迎春.  现代电子技术. 2018(09)
[7]局部联合结构化稀疏表示的单样本人脸识别[J]. 王念兵,吴秦,许洁,张淮.  计算机工程与应用. 2018(01)
[8]人脸识别中基于系数相似性的字典学习算法[J]. 施静兰,常侃,张智勇,覃团发.  计算机科学. 2016(06)
[9]光照变化条件下人脸识别方法研究[J]. 孔锐,张冰.  系统仿真学报. 2016(03)
[10]基于稀疏表示与小波特征的人脸识别分层框架[J]. 翟素兰,曹庆,谢文浩.  计算机工程与应用. 2016(14)

博士论文
[1]人脸识别中若干特征优化方法研究[D]. 毕超.东北师范大学 2017

硕士论文
[1]基于稀疏表示与低秩恢复的遮挡人脸识别方法研究[D]. 胡静.重庆邮电大学 2019
[2]基于改进SIFT算法的人脸识别技术研究[D]. 文章.贵州大学 2019
[3]基于稀疏表示的人脸特征提取与识别算法研究[D]. 王永欣.山东师范大学 2017
[4]基于LDA和CRC的单样本人脸识别算法研究[D]. 阿鹏仁.西安电子科技大学 2017
[5]人脸识别中面部特征提取与匹配算法研究[D]. 刘逸飞.哈尔滨工业大学 2017
[6]基于稀疏表示的人脸识别模型的研究[D]. 洪佩珊.湖南大学 2017
[7]基于稀疏表示的人脸识别算法研究[D]. 刘峰.中国矿业大学 2017



本文编号：3583961