基于LBP和CNN的人脸识别算法研究

发布时间：2023-02-15 20:34

　　当前国内外人脸识别技术是属于模式识别与机器学习中的热门研究领域,已经引起了广大研究人员的关注与研究,并在安全防护、智能视频监控、身份识别认证等领域得到广泛的应用。人脸识别技术主要由人脸图像检测、人脸图像预处理、人脸特征提取和分类识别四个部分组成,而人脸特征信息如何准确有效的提取与分类是人脸识别的关键问题。本文以局部二值模式和卷积神经网络为基础,对人脸特征提取和识别进行探讨与研究,大体内容如下:①介绍了人脸识别的研究背景与意义、历史与现状以及相应的人脸特征提取算法,并简单分析了各自的优缺点。②研究一种基于LBP和2DLDA的人脸识别算法。将人脸图像分块为4×4,利用LBP8,1U2等价模式算子提取人脸特征,并用2DLDA算法对提取到的人脸特征作线性降维处理,通过最近邻分类器完成识别。在ORL和Yale人脸数据库上,对比PCA、2DLDA、LBP、LBP+PCA等算法可以看出其算法优势。③研究一种基于LBP和CNN的人脸识别算法。深度学习已经成为现在社会的热门话题,而深度学习的方法也为人脸识别技术的研究提供了理论与基础。针对直接将人脸图像直接作为卷积神经网络的输入,往往会出现人脸图像维数过...

【文章页数】：47 页

【学位级别】：硕士

【文章目录】：
中文摘要
英文摘要
1 绪论
    1.1 人脸识别的研究背景与意义
    1.2 人脸识别的基本过程与研究现状
        1.2.1 人脸识别的基本过程
        1.2.2 人脸识别的研究现状
    1.3 人脸识别的难点
    1.4 本文使用人脸库介绍
        1.4.1 ORL人脸数据库
        1.4.2 Yale人脸数据库
        1.4.3 FERET人脸数据库
    1.5 本文结构内容与安排
2 几种经典的人脸特征提取算法介绍
    2.1 一维人脸特征提取算法
        2.1.1 主成分分析算法
        2.1.2 线性判别分析算法
    2.2 二维人脸特征提取算法
        2.2.1 二维主成分分析算法
        2.2.2 二维局部保持投影算法
    2.3 本章小结
3 LBP与2DLDA的人脸识别算法
    3.1 LBP算法介绍
        3.1.1 原始LBP算子
        3.1.2 圆形LBP算子
        3.1.3 旋转不变LBP算子
        3.1.4 等价模式LBP
    3.2 分块LBP算法
    3.3 基于LBP和2DLDA的人脸识别
        3.3.1 2DLDA算法原理介绍
        3.3.2 结合LBP和2DLDA人脸识别算法
    3.4 算法实验结果与分析
        3.4.1 LBP分块实验
        3.4.2 ORL人脸库实验
        3.4.3 Yale人脸库实验
    3.5 本章小结
4 结合LBP与CNN的人脸识别算法
    4.1 CNN网络基本介绍
    4.2 基于LBP和CNN的人脸识别
        4.2.1 LBP人脸局部特征提取
        4.2.2 人脸识别模型的构建
        4.2.3 人脸图像特征分类与识别
    4.3 实验效果分析
        4.3.1 ORL实验分析
        4.3.2 Yale实验分析
        4.3.3 FERET实验分析
        4.3.4 对比实验
    4.4 本章小结
5 总结与展望
参考文献
附录
    A 作者在攻读硕学位期间发表及完成论文目录
    B 学位论文数据集
致谢



本文编号：3743798