基于改进LBP和AdaBoost的人脸识别技术研究

发布时间：2017-06-29 12:10

  本文关键词：基于改进LBP和AdaBoost的人脸识别技术研究，，由笔耕文化传播整理发布。

【摘要】：人脸识别技术可以应用于军事、金融、公共安全等领域。特征提取算法是人脸识别技术中的核心部分,它会直接影响到识别效果。近年来,局部二值模式(Local binary pattern,LBP)及其扩展方法在人脸识别中得到了广泛应用。本文在深入研究这些LBP及扩展算子的基础上,提出了改进方法。本文主要内容如下:1.针对局部二值模式在图像处理与人脸识别方面表现出的实际应用价值,系统综述了当前LBP算子在不同应用领域的扩展方法。首先,简要概述了LBP算子的基本原理;其次,从邻域拓扑结构角度、降低噪声影响角度、编码角度、降维角度与获取旋转不变性角度等五个方面对LBP算子近年来的相关扩展方法进行了详细梳理和归纳总结;最后,分析了各类方法的相互关系与存在的问题,并指出了未来针对LBP扩展的研究方向。2.针对局部五值模式(Elongated Quinary Pattern,EQP)采用全局阈值定义造成对图像灰度变化敏感以及在人脸识别中对图像不同分块同等对待的问题,提出了REQP(Robust EQP)算子。首先,通过自适应方法来设置阈值,以提高其对图像灰度变化的鲁棒性;其次,通过特征块加权处理,融入了每个分块结构对比信息,以突出不同分块的不同作用。在YALE、ORL人脸库实验结果表明,新方法明显提高了EQP算子的识别效果。3.针对REQP算子提取的特征中有许多冗余数据,首先采用特征选择方法进行降维处理;其次,基于Adaboost算法及降维后的二值模式特征实现了人脸识别。在YALE、ORL人脸库的实验结果表明,用降维后的特征进行识别有效提高了人脸识别的准确度。
【关键词】：人脸识别 局部二值模式 局部五值模式 增强局部五值模式 Adaboost
【学位授予单位】：河南理工大学
【学位级别】：硕士
【学位授予年份】：2015
【分类号】：TP391.41
【目录】：

• 致谢4-5
• 摘要5-6
• Abstract6-10
• 1 引言10-16
• 1.1 人脸识别技术发展10-11
• 1.2 人脸识别关键技术11-13
• 1.2.1 人脸检测11-12
• 1.2.2 人脸识别12-13
• 1.3 本文研究内容与组织结构13-16
• 1.3.1 本文研究内容13-14
• 1.3.2 本文组织结构14-16
• 2 局部二值模式及其扩展方法综述16-38
• 2.1 引言16
• 2.2 基本LBP算子16-17
• 2.3 LBP算子扩展17-34
• 2.3.1 从邻域拓扑结构角度进行扩展17-21
• 2.3.2 从降低噪声影响角度对LBP进行改进21-24
• 2.3.3 从编码方式角度进行扩展24-28
• 2.3.4 从降维角度对LBP进行改进28-31
• 2.3.5 从获取旋转不变性角度对LBP进行改进31-34
• 2.4 LBP在人脸识别中的应用34-35
• 2.5 分析与展望35-37
• 2.6 本章小结37-38
• 3 基于增强EQP算子的人脸识别38-48
• 3.1 EQP算子38-39
• 3.2 增强的EQP算子39-41
• 3.2.1 自适应阈值39-40
• 3.2.2 特征块加权40-41
• 3.2.3 人脸特征匹配41
• 3.3 实验与分析41-47
• 3.4 本章小结47-48
• 4 基于特征选择和AdaBoost的人脸识别48-56
• 4.1 Boosting48
• 4.2 AdaBoost概述48-50
• 4.2.1 AdaBoost性能和误差分析49-50
• 4.2.2 改进的AdaBoost算法50
• 4.3 特征选择50-52
• 4.3.1 自适应学习模型51
• 4.3.2 差分进化优化方法51-52
• 4.4 实验与分析52-55
• 4.5 本章小结55-56
• 5 总结与展望56-58
• 5.1 总结56
• 5.2 展望56-58
• 参考文献58-68
• 作者简历68-70
• 学位论文数据集70

【相似文献】

中国期刊全文数据库 前10条

1 林志阳;康耀红;雷景生;;基于Adaboost的车标定位方法[J];计算机工程;2008年11期

2 张磊;;基于AdaBoost的侧面人脸、人耳检测[J];科学大众;2008年08期

3 付忠良;;关于AdaBoost有效性的分析[J];计算机研究与发展;2008年10期

4 张岗亭;杨全;;两种Adaboost方法在人脸检测中的比较研究[J];微计算机信息;2009年24期

5 严超;王元庆;李久雪;张兆扬;;AdaBoost分类问题的理论推导[J];东南大学学报(自然科学版);2011年04期

6 李印;;基于AdaBoost的行人检测研究与实现[J];数字技术与应用;2012年03期

7 苏加强;丁柳云;;基于R的监督式AdaBoost异常值检测应用[J];淮海工学院学报(自然科学版);2013年01期

8 张志勋;张磊;杨凡;;一种改进的Adaboost人脸检测方法[J];自动化与仪器仪表;2013年06期

9 王海川,张立明;一种新的Adaboost快速训练算法[J];复旦学报(自然科学版);2004年01期

10 赵江,徐鲁安;基于AdaBoost算法的目标检测[J];计算机工程;2004年04期

中国重要会议论文全文数据库 前10条

1 Wen Feng;;A Novel Lips Detection Method Combined Adaboost Algorithm and Camshift Algorithm[A];2012年计算机应用与系统建模国际会议论文集[C];2012年

2 张超;苗振江;;基于AdaBoost的面部信息感知[A];第十三届全国信号处理学术年会（CCSP-2007）论文集[C];2007年

3 郭翌;汪源源;;基于Adaboost算法的颈动脉粥样硬化判别方法[A];中国仪器仪表学会第十一届青年学术会议论文集[C];2009年

4 张红梅;高海华;王行愚;;抑制样本噪声的AdaBoost算法及其在入侵检测中的应用[A];2007年中国智能自动化会议论文集[C];2007年

5 陆文聪;钮冰;金雨欢;;基于AdaBoost算法的亚细胞位置预测[A];中国化学会第26届学术年会化学信息学与化学计量学分会场论文集[C];2008年

6 陈宏伟;刘建伟;费向东;;一种半监督环境下的Adaboost算法[A];2008'中国信息技术与应用学术论坛论文集（二）[C];2008年

7 唐晓丹;苗振江;;基于AdaBoost和粒子滤波的目标跟踪[A];第十四届全国图象图形学学术会议论文集[C];2008年

8 张彬;金连文;;基于AdaBoost的手写体汉字相似字符识别[A];第二十六届中国控制会议论文集[C];2007年

9 ;Using Skin Color and HAD-AdaBoost Algorithm for Face Detection in Color Images[A];Information Technology and Computer Science—Proceedings of 2012 National Conference on Information Technology and Computer Science[C];2012年

10 肖磊;李丽;肖佳文;;基于AdaBoost-SVM的上市公司信用风险评估[A];2012管理创新、智能科技与经济发展研讨会论文集[C];2012年

中国博士学位论文全文数据库 前4条

1 佟旭;基于复杂网络理论的糖尿病肾病辨证建模研究[D];北京中医药大学;2016年

2 刘冲;模拟电路故障诊断AdaBoost集成学习方法研究[D];大连海事大学;2011年

3 张太宁;人眼注视点估计方法的研究[D];南开大学;2013年

4 赵培英;基于智能计算的膜蛋白结构与相互作用预测研究[D];东华大学;2010年

中国硕士学位论文全文数据库 前10条

1 皮丽琴;基于AdaBoost-GASVM算法和LDA主题模型的短文本分类研究[D];华南理工大学;2015年

2 孙斌;一种基于Adaboost的实时行人检测算法[D];华南理工大学;2015年

3 蔡泽彬;基于视频分析的行人检测及统计方法研究[D];华南理工大学;2015年

4 游晴;Adaboost人脸检测算法研究及其在硬件平台上的实现[D];昆明理工大学;2015年

5 宋雨;基于视觉图片的脑—机接口控制研究[D];天津理工大学;2015年

6 林欣;基于改进肤色模型的AdaBoost人脸检测算法研究[D];陕西科技大学;2015年

7 袁浩杰;Adaboost算法的并行化及其在目标分类中的应用[D];华南理工大学;2015年

8 张恒;基于近红外图像的疲劳驾驶检测研究与系统实现[D];长安大学;2015年

9 朱非易;基于不平衡学习的蛋白质—维生素绑定位点预测研究[D];南京理工大学;2015年

10 张元;一种基于AdaBoost的组合分类算法研究[D];四川师范大学;2015年

  本文关键词：基于改进LBP和AdaBoost的人脸识别技术研究，由笔耕文化传播整理发布。

本文编号：497839