学位论文 > 优秀研究生学位论文题录展示

基于差分演化的人脸识别方法研究

作　者: 张伟松
导　师: 李斌
学　校: 中国科学技术大学
专　业: 电路与系统
关键词: 人脸识别 CS-LBP CS-LGBP AdaBoost DE-MCE
分类号: TP391.41
类　型: 硕士论文
年　份: 2011年
下　载: 32次
引　用: 0次
阅　读: 论文下载

内容摘要

随着信息技术的发展,人脸识别广泛地应用于信息安全、安防系统、人机交互等。人脸识别是一门多学科交叉的应用技术,涉及到多个领域,其中包括图像处理、计算机视觉、模式识别等。人脸识别以其广阔的发展前景得到了国内外研究学者和商业领域的广泛重视,因而具有广泛的研究价值。人脸识别经过了几十年的发展,虽然很多人脸识别系统的识别率都在90%以上,但是在实际应用中仍然面临巨大的挑战,主要包括光照变化、姿态变化,年龄变化等。为了能够实现鲁棒的人脸识别,可以从特征提取和分类器设计等方面进行研究:提取人脸中的有效特征,寻求在变化环境下不变的人脸描述特征;有效的分类器设计,可以使分类器对人脸的变化具有更强的鲁棒性,也可以从两方面同时入手解决问题。本文主要就人脸识别中特征提取和分类器设计进行了研究。主要工作和研究成果如下:本文讨论了几种人脸识别中有代表性的特征提取方法。局部二值模式LBP和中心对称局部二值模式CS-LBP描述算子对人脸表情等的变化具有很好的鲁棒性。Gabor变换可以提取图像特定区域多尺度、多方向的空间频率特征,对人脸变化具有较强的鲁棒性。联合Gabor变换和LBP与CS-LBP,分别得到了相应的局部Gabor二值模式(LGBP)和中心对称局部Gabor模式(CS-LGBP)。对这些特征描述子进行了分析和实验对比。实现了经典的多分类器集成学习算法AdaBoost。通过实验对AdaBoost算法在人脸识别上的有效性进行了验证。研究了基于差分演化(DE)的多分类器集成算法(DE-MCE)。该算法采用差分演化算法优化多个分类器的权重组合,以用更少的时间获得准确的强分类器。人脸识别实验结果表明,DE-MCE算法学习得到的强分类器的识别率与AdaBoost算法相当,但是,学习时间大幅度缩短。

全文目录

摘要  4-5
Abstract  5-9
第一章绪论  9-21
  1.1 研究背景和意义  9-13
    1.1.1 生物识别概述  9-11
    1.1.2 人脸识别概述  11-13
  1.2 人脸识别技术  13-19
    1.2.1 国内外研究现状  13-14
    1.2.2 人脸识别算法分类  14-17
    1.2.3 人脸识别常用数据库  17-18
    1.2.4 人脸识别面临的挑战  18-19
  1.3 本文主要工作和内容组织  19-21
第二章人脸识别的特征提取  21-31
  2.1 特征提取  21-22
  2.2 人脸识别的特征描述算子  22-26
    2.2.1 局部二值模式  22-24
    2.2.3 中心对称局部二值模式  24-26
  2.3 两种联合描述算子  26-30
    2.3.1 Gabor 变换  26-28
    2.3.2 两种联合描述算子  28-29
    2.3.3 图像相似度计算  29-30
  2.4 本章小结  30-31
第三章 AdaBoost 算法及在人脸识别的应用  31-41
  3.1 AdaBoost 算法  31-32
  3.2 基于AdaBoost 的人脸识别  32-35
    3.2.1 AdaBoost 算法在人脸识别中的应用  32-33
    3.2.2 人脸识别的二分类问题  33-35
  3.3 实验  35-39
    3.3.1 实验步骤  35-36
    3.3.2 实验结果  36-39
  3.4 本章小结  39-41
第四章基于差分演化算法的人脸识别  41-55
  4.1 差分演化算法  41-44
    4.1.1 最优化问题  41-42
    4.1.2 差分演化算法  42-44
  4.2 基于差分演化的多分类器集成（DE-MCE）  44-47
    4.2.1 DE-MCE 算法流程  45-46
    4.2.2 算法说明  46-47
  4.3 实验  47-52
    4.3.1 实验概述  47
    4.3.2 实验过程及结果分析  47-52
  4.4 本章小结  52-55
第五章总结与展望  55-57
  5.1 工作总结  55-56
  5.2 展望  56-57
参考文献  57-63
致谢  63-65
攻读硕士学位期间发表的论文和参与的科研项目  65

基于差分演化的人脸识别方法研究

内容摘要

全文目录

相似论文