基于kinect的人脸识别技术研究

发布时间：2022-08-01 14:46

　　使用常规相机获得的人脸图像可能具有固定的限制,阻碍脸部图像中一些特定信息表达。为了实现更好的性能,通过专门的采集方法捕获的3D面部已经用于改进的方法。虽然由于诸如成本和可访问性的若干问题,这些3D图像仍然难以获得,但是低成本的深度传感器如Kinect允许直接获取3D信息以及RGB彩色图像。这为计算机视觉和人脸识别研究提供了新的机会。本文的主要工作如下:1.调研了一系列基于RGB-D数据的人脸识别方法。探讨了低成本深度传感器Kinect在人脸识别过程中获取深度的有效性并获得一系列结论。仅仅使用深度图像进行人脸识别的分类结果超出了人类期望的知觉,将RGB和深度图像结合确实提高了识别性能,并且Kinect深度图像的性能高度依赖预处理步骤。以上结论证明了研究RGB-D人脸识别的意义。2.提出了一种紧密的二值描述子用于解决RGB-D人脸识别过程中的特征表达问题。首先,该方法不同于传统的使用手工设计的特征,其使用无监督学习的方法从训练数据学习紧密的二值特征,自动的在可区分性和不变性之间达到了很好的折中;其次,为了有效的利用空间上下文信息,该方法并非采用原始的像素作为训练数据,而使用像素与周围像素的... 

【文章页数】：68 页

【学位级别】：硕士

【文章目录】：
摘要
ABSTRACT
第1章 绪论
    1.1 人脸识别背景及意义
    1.2 国内外研究现状及发展趋势
    1.3 论文研究的内容和结构安排
        1.3.1 研究内容
        1.3.2 结构安排
第2章 基础理论知识
    2.1 人脸检测基本方法
        2.1.1 基于RGB图像的人脸检测
        2.1.2 基于深度图像的人脸检测
    2.2 Kinect简介
        2.2.1 Kinect相关背景知识
        2.2.2 Kinect采集的图像
    2.3 Kinect深度图像增强方法
        2.3.1 双边滤波
        2.3.2 区域增长和双边滤波
    2.4 本章小结
第3章 基于静态RGB-D数据的人脸描述与识别
    3.1 常用人脸描述子
    3.2 LBP和三维LBP(3DLBP)
    3.3 紧密二值描述子
    3.4 RGB-D人脸表示
    3.5 实验结果及分析
        3.5.1 RGB-D数据集介绍
        3.5.2 实验1
        3.5.3 实验2
        3.5.4 实验3
    3.6 本章小结
第4章 基于Kinect的实时的人脸识别
    4.1 概序
    4.2 基于随机森林的头部姿势估计
        4.2.1 训练
        4.2.2 测试
    4.3 基于AAM的人脸矫正
        4.3.1 形状和纹理模型建立
        4.3.2 AAM模型匹配
        4.3.3 多姿态AAM模型
    4.4 主要原理和步骤
        4.4.1 标定Kinect传感器
        4.4.2 Kinect V2深度图去噪
        4.4.3 人脸检测与识别
    4.5 实验结果与分析
        4.5.1 数据集介绍
        4.5.2 实验与结果分析
    4.6 本章小结
第5章 总结和展望
    5.1 本文的工作总结
    5.2 今后的工作展望
参考文献
致谢
在读期间发表的学术论文与取得的其他研究成果


【参考文献】：
期刊论文
[1]基于紧密二值描述子的RGB-D人脸描述方法[J]. 刘小金,尹东,王华凌.  光电工程. 2016(12)
[2]低分辨率KINECT传感器采集三维点云的人脸识别[J]. 宋国平.  激光杂志. 2014(10)
[3]中值流辅助在线多示例目标跟踪[J]. 王德建,张荣,尹东,张智瑞.  中国图象图形学报. 2013(01)
[4]主动协同半监督粗糙集分类模型[J]. 高灿,苗夺谦,张志飞,刘财辉.  模式识别与人工智能. 2012(05)
[5]用于图像处理的自适应中值滤波[J]. 张旭明,徐滨士,董世运.  计算机辅助设计与图形学学报. 2005(02)



本文编号：3667647