人脸识别关键技术与算法研究

发布时间：2022-07-11 11:04

　　随着计算机和人工智能技术的迅猛发展,人脸识别技术已取得长足进步。目前多数人脸识别系统可以在理想条件下获得优秀的识别率,但是实际应用发现人脸识别系统在非理想条件下的识别精度和效率不尽人意。一方面,人脸图像经常会受到多种动态因素的影响,比如光照、表情等,使得人脸识别技术的发展举步维艰;另一方面,随着大数据时代的到来,人脸图像数据量不断攀升,在面对海量人脸图像数据时,传统的人脸识别系统性能低下。针对上述问题,本文主要从人脸对齐、人脸表示以及人脸分类识别这三个方面对传统的人脸识别系统进行优化和改进。本文的研究内容与相关工作如下:（1）面部特征点精确对齐是鲁棒实用的人脸识别系统的基本前提,本文在集成回归树算法的基础上,提出了一种基于NPD特征的集成回归树人脸对齐算法。首先,通过引入基于NPD的形状索引特征,解决了非约束场景下原始像素差值特征抗噪能力弱的问题,提升了算法模型的特征表达能力;其次,使用普氏分析找出估计人脸形状与平均形状之间的相似变换矩阵,为后续提取不同样本的像素点特征提供了依据;再者,通过过滤式的特征选择方式,减少候选特征的数量,提高了模型的计算效率;最后,借鉴深度二次树的思想,设计... 

【文章页数】：103 页

【学位级别】：硕士

【文章目录】：
致谢
摘要
Abstract
变量注释表
1 绪论
    1.1 研究背景与意义
    1.2 国内外研究现状
    1.3 主要工作与研究
    1.4 章节安排
2 相关理论与技术
    2.1 引言
    2.2 集成回归树算法
    2.3 基于Gabor商图像的光照校正算法
    2.4 k近邻分类算法
    2.5 分布式计算技术
    2.6 本章小结
3 基于集成回归树的人脸对齐算法研究
    3.1 引言
    3.2 特征提取
    3.3 特征选择
    3.4 算法模型构建
    3.5 实验与分析
    3.6 本章小结
4 基于加权m-Gabor自商图的人脸表示算法研究
    4.1 引言
    4.2 加权m-Gabor自商图
    4.3 分类器的设计
    4.4 实验与分析
    4.5 本章小结
5 基于k近邻的分布式人脸分类算法研究
    5.1 引言
    5.2 基于聚类中心点的k-NN算法
    5.3 改进的k-NN算法并行化
    5.4 实验与分析
    5.5 本章小结
6 总结与展望
    6.1 论文总结
    6.2 工作展望
参考文献
作者简历
学位论文数据集


【参考文献】：
期刊论文
[1]分布式计算的大数据构建探析[J]. 王琪.  计算机产品与流通. 2019(06)
[2]改进型Gabor自商图算法及其在人脸识别中的应用[J]. 袁小平,崔棋纹,程干,张侠,张毅,王溯源.  计算机工程与应用. 2020(05)
[3]基于LightGBM改进的GBDT短期负荷预测研究[J]. 王华勇,杨超,唐华.  自动化仪表. 2018(09)
[4]大数据时代下智能人脸识别技术在商业银行中的应用[J]. 王彦博,高潜,杨璇.  银行家. 2016(02)
[5]基于形状参数回归的人脸对齐算法[J]. 彭明超,包姣,叶茂,苟群森,王梦伟.  模式识别与人工智能. 2016(01)
[6]生物特征识别技术综述[J]. 郑方,艾斯卡尔·肉孜,王仁宇,李蓝天.  信息安全研究. 2016(01)
[7]云计算模型MapReduce的实现与安全研究现状概述[J]. 卢宁,陈泽,董娜.  大众用电. 2015(S2)
[8]基于Hadoop平台的MapReduce的技术研究[J]. 王鑫.  信息通信. 2015(06)
[9]大数据:内涵、技术体系与展望[J]. 彭宇,庞景月,刘大同,彭喜元.  电子测量与仪器学报. 2015(04)
[10]基于Spark的大数据混合计算模型[J]. 胡俊,胡贤德,程家兴.  计算机系统应用. 2015(04)

博士论文
[1]复杂光照条件下的人脸识别方法研究[D]. 陈超.浙江大学 2016
[2]非约束环境下人脸识别关键技术的研究与应用[D]. 李全彬.华东师范大学 2011
[3]可变光照和可变姿态条件下的人脸图像识别研究[D]. 胡元奎.中国科学技术大学 2006
[4]人脸识别中若干关键问题的研究[D]. 山世光.中国科学院研究生院（计算技术研究所） 2004

硕士论文
[1]复杂光照条件下的人脸识别方法研究[D]. 程干.中国矿业大学 2019
[2]基于云计算的数据挖掘算法并行化研究与实现[D]. 李星.南京邮电大学 2018
[3]基于两阶段定位模型的人脸对齐算法研究[D]. 王峰.浙江大学 2017
[4]基于随机梯度提升决策树的行人检测算法设计与实现[D]. 王焱.浙江大学 2017
[5]基于Spark的大数据挖掘技术的研究与实现[D]. 李文栋.山东大学 2015
[6]基于Spark的机器学习平台设计与实现[D]. 唐振坤.厦门大学 2014
[7]基于K近邻的分类算法研究[D]. 桑应宾.重庆大学 2009



本文编号：3658047