学位论文 > 优秀研究生学位论文题录展示

基于分类器融合的人脸识别研究

作　者: 王国林
导　师: 高尚
学　校: 江苏科技大学
专　业: 模式识别与智能系统
关键词: 人脸识别特征降维特征融合分类器组合
分类号: TP391.41
类　型: 硕士论文
年　份: 2011年
下　载: 34次
引　用: 0次
阅　读: 论文下载

内容摘要

人脸识别技术的研究具有重要的理论研究价值和实用价值。近几年人脸识别的研究中得到了越来越多重视逐渐成为人工智能和模式识别领域的一个研究热点。它可以广泛的应用于身份鉴别、数字监控、电视会议等领域。人脸识别的研究一般包括三个部分,分别为人脸检测,人脸特征提取,模式分类三个部分。本文在分析了国内外现有的人脸识别技术的基础上,对特征融合和多分类器组合方法进行研究。本文的主要工作包括:(1)研究运用两种特征提取方法融合的方法提取特征。即用DDCT(分块离散余弦变换)与LDA(线性鉴别分析)方法提取人脸的局部特征,PCA(主成分分析)与LDA提取人脸的整体特征,在根据加法和乘法融合规则进行特征融合,将融合后的特征运用分类器进行分类识别。该方法能够将人脸局部信息和整体信息进行相互补充,增加识别的效果。(2)利用阈值判定的思想,研究了将最小距离分类器和支持向量机分类器组合进行人脸识别研究。该方法首先利用阈值的思想对被检测图像进行判定,判断是否为人脸库中的图像,若是则进行可分类度的计算,再根据可分类度值大小来决定采用哪一种分类器。如果可分类度值较大则采用最小距离分类器,这样可增加识别速度;若可分类度的值较小则采用支持向量机分类器,可以增加识别率。

全文目录

摘要  6-7
ABSTRACT  7-12
第1章绪论  12-22
  1.1 课题研究背景和意义  12-13
    1.1.1 研究背景  12-13
    1.1.2 研究意义  13
  1.2 人脸识别的国内外研究现状介绍  13-15
  1.3 人脸识别的研究内容和主要方法  15-20
    1.3.1 研究内容  15-17
    1.3.2 人脸识别的主要方法  17-20
  1.4 人脸图像数据库  20-21
  1.5 本文的主要的研究工作和安排  21-22
第2章分类器的设计和组合简述  22-33
  2.1 分类器设计问题简述  22-26
    2.1.1 基于聚类和参考点的分类器  22-23
    2.1.2 基于神经网络的分类器  23-24
    2.1.3 基于概率统计模型的分类器  24
    2.1.4 基于优化的分类器  24-25
    2.1.5 基于模糊方法的分类器  25-26
  2.2 分类器性能的评价与比较  26-27
  2.3 分类器组合概述  27
  2.4 分类器的组合结构  27-29
    2.4.1 并联分类器  27-28
    2.4.2 串联分类器  28-29
  2.5 分类器组合方法  29-32
    2.5.1 单一分类器的生成方法  29-30
    2.5.2 多个分类器组合方法  30-32
  2.6 本章小结  32-33
第3章基于特征提取与融合的研究  33-42
  3.1 人脸特征提取方法  33-37
    3.1.1 PCA 提取特征方法  33
    3.1.2 LDA 提取特征方法  33-34
    3.1.3 DDCT 提取特征方法  34-36
    3.1.4 Fisherface 方法  36
    3.1.5 DDCT 与 LDA 结合提取特征方法  36-37
  3.2 融合规则  37
  3.3 实验设计与结果分析  37-40
  3.4 本章小结  40-42
第4章基于多分类器组合的人脸识别研究  42-56
  4.1 基于最小距离分类器  42-44
  4.2 支持向量机的分类器  44-52
    4.2.1 SVM 基本原理  45-47
    4.2.2 SVM 的研究情况  47-48
    4.2.3 SVM 在人脸识别中的应用  48-52
  4.3 基于多分类器组合的人脸识别  52-53
  4.4 实验结果和分析  53-54
  4.5 本章小结  54-56
第5章总结与展望  56-58
  5.1 总结  56
  5.2 展望  56-58
参考文献  58-62
攻读硕士学位期间发表的论文  62-64
致谢  64-65
大摘要  65-69

基于分类器融合的人脸识别研究

内容摘要

全文目录

相似论文