川金丝猴面部识别方法研究

发布时间：2023-03-23 05:56

　　面部识别技术最初是以人脸为研究对象而迅速发展,随着其研究的不断深入及应用领域的不断拓展,人们将其逐渐应用于各种动物的面部识别上,比如黑猩猩、金丝猴等。基于面部图像的识别方法为动物个体识别提供快速有效的识别手段,能促进动物行为学研究的发展。川金丝猴是中国特有的珍稀物种,是国家级一级保护动物。本文以川金丝猴为研究对象,分析其面部特征与人脸之间的差异,针对其面部所具有的纹理、形状、结构等特征,根据不同的实际应用场景,设计相应的面部识别算法。1.基于局部增强型LBP特征的川金丝猴面部识别。针对川金丝猴面部毛发纹理多变、面部相似度较高,特别是同一年龄段相同性别的个体之间,以及由于非配合性的数据采集所导致的个体面部图像数量较少等问题,提出局部增强型LBP(locally enhanced local binary pattern,LE-LBP)的川金丝猴识别算法。该算法主要关注川金丝猴面部的皮肤区域,避免纹理多变的毛发对识别结果的干扰;对于整体结构相似的皮肤区域,首先利用faster RCNN对面部五官进行检测分割,分割结果作为算法关注的感兴趣区域;然后计算每个感兴趣区域内的纹理复杂度,并将其作为...

【文章页数】：57 页

【学位级别】：硕士

【文章目录】：
摘要
Abstract
第一章 引言
    1.1 研究背景及意义
    1.2 面部识别概述
    1.3 主要创新点
    1.4 本文组织架构
第二章 面部识别相关方法与研究进展
    2.1 基于面部全局区域特征的识别方法
        2.1.1 线性方法
        2.1.2 非线性方法
    2.2 基于面部局部区域特征的识别方法
        2.2.1 .基于特征点的面部识别方法
        2.2.2 .基于局部纹理特征的面部识别
    2.3 基于混合特征和统计模型的方法
    2.4 深度学习方法
        2.4.1 深度学习发展历史
        2.4.2 面部识别深度学习方法
    2.5 本章小结
第三章 基于局部增强型LBP的川金丝猴面部识别
    3.1 识别任务中的感兴趣区域
        3.1.1 细粒度面部识别
        3.1.2 强判别能力特征区域与弱判别能力特征区域
        3.1.3 有效判别区域细化
        3.1.4 感兴趣区域分割
    3.2 LBP纹理特征
    3.3 LBP特征提取时的变尺寸子区域划分
        3.3.1 图像子区域的变尺寸划分
        3.3.2 特征复杂度与图像边缘密度
        3.3.3 局部增强型LBP特征
    3.4 实验与分析
    3.5 本章小结
第四章 基于SPL-BCNN的川金丝猴面部识别
    4.1 细粒度识别与双线性卷积网络
    4.2 基于自步学习-双线性卷积网络的川金丝猴面部识别方法
    4.3 实验与结果分析
    4.4 本章小结
第五章 总结与展望
    5.1 本文总结
    5.2 未来展望
参考文献
致谢
攻读硕士学位期间取得的科研成果



本文编号：3768423