基于特征点多尺度LBP和虚拟样本的单样本人脸识别方法及应用

发布时间：2023-06-02 23:38

　　随着科学与新技术的蓬勃发展,在人们工作生活的各个方面都可以看见人工智能的应用。人脸识别是人工智能研究的热点方向,其应用范围已覆盖安防、金融和移动智能硬件终端等领域。而在某些应用场景下,往往只能获取每个人的单张人脸图像。在此情况下,大部分传统人脸识别方法的识别性能会大幅度降低。因此,解决单样本人脸识别问题有着十分重要的研究意义和广阔的应用价值。针对单样本人脸识别问题,本文做的工作主要如下:(1)本文首先对人脸识别步骤中的人脸检测、人脸对齐与矫正的算法原理进行了详细地分析,并将其应用于单样本人脸识别中。然后,针对传统人脸识别算法的不足,详细分析了基于LBP、PCA及其改进算法。最后,针对单样本条件下训练样本不足的问题,详尽分析了镜像变换法、对称脸扩充法和滑动窗口扩充法等样本扩充方法。(2)针对单样本人脸识别中训练样本数目不足的问题,且为了在训练样本上提取鉴别性强、适应性好的表征特征,提出了基于特征点多尺度LBP和虚拟样本的单样本人脸识别方法。本方法首先通过镜像变换得到虚拟样本来扩充每个人的训练样本数量,再通过在人脸49个关键特征点上提取多尺度LBP来表征人脸图像的局部与全局范围内的高维有效...

【文章页数】：68 页

【学位级别】：硕士

【文章目录】：
中文摘要
英文摘要
1 绪论
    1.1 研究背景及意义
        1.1.1 单样本人脸识别的研究背景
        1.1.2 单样本人脸识别的研究意义
        1.1.3 人脸识别基本流程
    1.2 国内外研究现状
        1.2.1 图像增强方法
        1.2.2 通用学习方法
        1.2.3 基于子空间的方法
        1.2.4 基于虚拟样本生成的方法
        1.2.5 基于三维模型的方法
    1.3 本文的主要工作及内容安排
        1.3.1 本文主要工作
        1.3.2 论文结构安排
2 单样本人脸识别方法及相关理论
    2.1 引言
    2.2 基于AdaBoost的人脸检测
        2.2.1 人脸检测基本原理
        2.2.2 AdaBoost算法原理
        2.2.3 人脸检测算法总体设计
        2.2.4 人脸检测的实现
    2.3 基于SDM的人脸对齐与矫正
        2.3.1 人脸对齐简介
        2.3.2 SDM算法原理
        2.3.3 仿射变换
        2.3.4 人脸对齐与矫正的实现
    2.4 基于LBP及其改进的人脸识别算法
        2.4.1 LBP基本原理
        2.4.2 均匀局部二值模式
        2.4.3 中心对称局部二值模式
        2.4.4 局部三值模式
    2.5 基于PCA及其改进的人脸识别算法
        2.5.1 PCA基本原理
        2.5.2 二维主成分分析
        2.5.3 双向二维主成分分析
    2.6 单样本下的样本扩充方法
        2.6.1 镜像变换法
        2.6.2 对称脸扩充方法
        2.6.3 滑动窗口扩充法
    2.7 本章小结
3 基于特征点多尺度LBP和虚拟样本的单样本人脸识别算法
    3.1 引言
    3.2 基于特征点LBP和虚拟样本的特征提取算法
        3.2.1 虚拟样本生成
        3.2.2 基于特征点的多尺度LBP特征提取
    3.3 基于KNN的识别分类
    3.4 实验结果及分析
        3.4.1 数据库介绍
        3.4.2 实验结果与分析
    3.5 本章小结
4 基于特征点多尺度LBP和虚拟样本的身份证认证系统
    4.1 引言
    4.2 系统框架及流程设计
        4.2.1 系统框架
        4.2.2 系统工作流程
        4.2.3 系统描述
    4.3 系统的实现与测试
        4.3.1 身份证信息采集模块的实现
        4.3.2 身份证认证模块的实现
    4.4 本章小结
5 总结与展望
    5.1 工作总结
    5.2 研究展望
参考文献
附录
    A.作者在攻读学位期间发表的专利目录
    B.作者在攻读硕士学位期间参加的科研项目
    C.学位论文数据集
致谢



本文编号：3828242