基于人脸识别的互联网检索技术实现
发布时间：2022-10-19 10:46
随着互联网技术的快速发展,互联网应用的种类也日渐多样化。在生活中用户通常使用搜索引擎实现对名人、明星等特定人脸图像的获取。但传统的基于文本的图像检索具有检索方式单一和结果易被关键字欺骗的不足,而新兴的基于内容的图像检索则存在检索精度不足且过程易受无关图像干扰的缺点,这两种方法都无法满足用户对互联网中特定人脸图像的检索需求。基于人脸识别的互联网检索系统是一个综合利用了互联网技术,图像检索以及人脸识别领域相关知识的网络图像搜索引擎,可以实现人脸图像的互联网检索功能。论文完成的具体工作有:1.人脸检测环节通过AdaBoost人脸检测算法,在系统数据收集的前期快速过滤掉不包含人脸的互联网图像,提高人脸检索效率;同时对过滤后的图像,利用训练好AdaBoost人脸分类器精确提取出图像中的人脸部分,排除了图像背景区域的干扰。2.图像预处理环节针对于人脸出现的旋转变化和光照变化问题。对于人脸旋转,利用ASEF算法构建了一个对人眼位置有良好响应的精确滤波器,能实现对人眼的精确定位,再通过图像旋转得到姿态一致的人脸;对于光照不均匀问题,使用同态滤波对图像进行光照补偿,衰减图像中低频部分（光照变化）,增强图...
【文章页数】：60 页
【学位级别】：硕士
【文章目录】：
摘要
abstract
第一章 绪论
1.1 选题的背景和意义
1.2 研究现状
1.2.1 人脸识别技术的研究现状
1.2.2 互联网图像检索技术的研究现状
1.3 本文的研究内容与结构安排
第二章 人脸检测
2.1 基于AdaBoost算法的人脸检测
2.1.1 Haar-like特征与积分图
2.1.2 AdaBoost算法
2.1.3 级联分类器
2.2 基于肤色模型的人脸检测
2.2.1 建立肤色模型
2.2.2 肤色区域分割
2.2.3 候选区域筛选
2.3 检测性能测试
2.4 本章小结
第三章 人脸预处理
3.1 基于ASEF的人脸姿态矫正
3.1.1 ASEF的构造
3.1.2 ASEF人眼定位
3.1.3 ASEF人脸姿态矫正
3.2 人脸光照补偿
3.3 本章小结
第四章 特征提取与相似度匹配
4.1 LBP图像算子
4.2 LBP算子的拓展
4.2.1 LBP算子的统一模式
4.2.2 LBP直方图分块统计
4.3 基于LBP特征的相似性匹配
4.3.1 相似性测度
4.3.2 基于余弦距离的LBP相似度计算
4.4 本章小结
第五章 系统集成与性能测试
5.1 网络爬虫简介
5.2 互联网检索系统实现
5.3 性能测试
5.3.1 标准人脸库性能测试
5.3.2 网络人物库性能测试
5.4 性能分析
5.5 本章小结
第六章 总结与讨论
6.1 总结
6.2 讨论
参考文献
致谢
【参考文献】：
期刊论文
[1]基于梯度和局部多值模式的图像纹理特征提取[J]. 赵珊,于虎. 测控技术. 2017(08)
[2]人脸识别技术综述[J]. 何春. 智能计算机与应用. 2016(05)
[3]基于肤色模型的人脸检测与人眼定位[J]. 宋凌怡. 吉林大学学报(理学版). 2015(06)
[4]非最小平方误差局部-全局加权融合的稀疏表示遮挡人脸识别[J]. 胡正平,彭燕,赵淑欢. 模式识别与人工智能. 2015(07)
[5]局部二进制模式方法综述[J]. 刘丽,谢毓湘,魏迎梅,老松杨. 中国图象图形学报. 2014(12)
[6]基于图像的单样本人脸识别研究进展[J]. 杨军,刘妍丽. 西华大学学报(自然科学版). 2014(04)
[7]驾驶人眼睛局部区域定位算法[J]. 张波,王文军,张伟,李升波,成波. 清华大学学报(自然科学版). 2014(06)
[8]基于仿射变换的多姿态人脸矫正和识别[J]. 李海彦,徐汀荣,张立晓,李杰. 计算机应用研究. 2014(04)
[9]复杂光照条件下的人脸预处理算法[J]. 顾思思. 计算机工程与应用. 2014(19)
[10]局部二值模式方法研究与展望[J]. 宋克臣,颜云辉,陈文辉,张旭. 自动化学报. 2013(06)
硕士论文
[1]基于扩展LBP特征的人脸识别系统研究[D]. 蒋思洋.电子科技大学 2012
[2]实时人脸识别系统的研究和实现[D]. 鲍琎.电子科技大学 2012
[3]基于统计模型的多姿态人脸识别研究[D]. 刘涛.西南交通大学 2011
[4]基于互联网的人脸图像搜索[D]. 文石磊.华中科技大学 2011
[5]基于LBP的人脸识别研究[D]. 黄非非.重庆大学 2009
本文编号：3693220
【文章页数】：60 页
【学位级别】：硕士
【文章目录】：
摘要
abstract
第一章 绪论
1.1 选题的背景和意义
1.2 研究现状
1.2.1 人脸识别技术的研究现状
1.2.2 互联网图像检索技术的研究现状
1.3 本文的研究内容与结构安排
第二章 人脸检测
2.1 基于AdaBoost算法的人脸检测
2.1.1 Haar-like特征与积分图
2.1.2 AdaBoost算法
2.1.3 级联分类器
2.2 基于肤色模型的人脸检测
2.2.1 建立肤色模型
2.2.2 肤色区域分割
2.2.3 候选区域筛选
2.3 检测性能测试
2.4 本章小结
第三章 人脸预处理
3.1 基于ASEF的人脸姿态矫正
3.1.1 ASEF的构造
3.1.2 ASEF人眼定位
3.1.3 ASEF人脸姿态矫正
3.2 人脸光照补偿
3.3 本章小结
第四章 特征提取与相似度匹配
4.1 LBP图像算子
4.2 LBP算子的拓展
4.2.1 LBP算子的统一模式
4.2.2 LBP直方图分块统计
4.3 基于LBP特征的相似性匹配
4.3.1 相似性测度
4.3.2 基于余弦距离的LBP相似度计算
4.4 本章小结
第五章 系统集成与性能测试
5.1 网络爬虫简介
5.2 互联网检索系统实现
5.3 性能测试
5.3.1 标准人脸库性能测试
5.3.2 网络人物库性能测试
5.4 性能分析
5.5 本章小结
第六章 总结与讨论
6.1 总结
6.2 讨论
参考文献
致谢
【参考文献】：
期刊论文
[1]基于梯度和局部多值模式的图像纹理特征提取[J]. 赵珊,于虎. 测控技术. 2017(08)
[2]人脸识别技术综述[J]. 何春. 智能计算机与应用. 2016(05)
[3]基于肤色模型的人脸检测与人眼定位[J]. 宋凌怡. 吉林大学学报(理学版). 2015(06)
[4]非最小平方误差局部-全局加权融合的稀疏表示遮挡人脸识别[J]. 胡正平,彭燕,赵淑欢. 模式识别与人工智能. 2015(07)
[5]局部二进制模式方法综述[J]. 刘丽,谢毓湘,魏迎梅,老松杨. 中国图象图形学报. 2014(12)
[6]基于图像的单样本人脸识别研究进展[J]. 杨军,刘妍丽. 西华大学学报(自然科学版). 2014(04)
[7]驾驶人眼睛局部区域定位算法[J]. 张波,王文军,张伟,李升波,成波. 清华大学学报(自然科学版). 2014(06)
[8]基于仿射变换的多姿态人脸矫正和识别[J]. 李海彦,徐汀荣,张立晓,李杰. 计算机应用研究. 2014(04)
[9]复杂光照条件下的人脸预处理算法[J]. 顾思思. 计算机工程与应用. 2014(19)
[10]局部二值模式方法研究与展望[J]. 宋克臣,颜云辉,陈文辉,张旭. 自动化学报. 2013(06)
硕士论文
[1]基于扩展LBP特征的人脸识别系统研究[D]. 蒋思洋.电子科技大学 2012
[2]实时人脸识别系统的研究和实现[D]. 鲍琎.电子科技大学 2012
[3]基于统计模型的多姿态人脸识别研究[D]. 刘涛.西南交通大学 2011
[4]基于互联网的人脸图像搜索[D]. 文石磊.华中科技大学 2011
[5]基于LBP的人脸识别研究[D]. 黄非非.重庆大学 2009
本文编号：3693220
本文链接：https://www.wllwen.com/kejilunwen/sousuoyinqinglunwen/3693220.html
