学位论文 > 优秀研究生学位论文题录展示
多姿态人脸检测与表情识别关键技术研究
作 者: 阮锦新
导 师: 尹俊勋
学 校: 华南理工大学
专 业: 电路与系统
关键词: 多姿态人脸检测 人脸识别 人脸表情识别 表情特征提取 表情分类 身份认证系统
分类号: TP391.41
类 型: 博士论文
年 份: 2010年
下 载: 865次
引 用: 4次
阅 读: 论文下载
内容摘要
在人工智能技术研究领域,人脸作为一种重要的生物特征,其检测、识别和表情提取是实现机器智能化的前提和关键技术之一,具有广阔的应用前景,逐渐成为一个活跃的研究分支。随着图像处理和模式识别技术的进步,人脸信息处理技术获得长足发展,但仍存在很多需要深入研究的问题。例如:姿态、表情、年龄、遮挡、光照等因素依然严重影响人脸检测与识别的效果,表情识别的研究仍处于起步阶段,理论和方法仍有待完善。本文主要是对多姿态人脸检测、人脸表情特征提取与降维、表情分类与表情识别应用等问题进行了深入研究,研究内容与创新性工作主要如下:1、提出了融合特征和图像方法,解决多姿态人脸检测这一实际应用中亟待解决的难题。算法首先利用人脸特征快速确定人脸方向,分割出大致正向的人脸候选区域,从而避免增加姿态检测器而增大算法的复杂度,克服了基于图像方法对多姿态人脸检测率低的缺点。分别运用AdaBoost、SVM和RVM三种基于图像的方法对人脸候选区域进行分类检测。实验表明,融合特征和图像方法进行多姿态人脸检测,可明显提高检测速度和检测率。2、通过分析RVM的稀疏性和泛化性能等优于SVM,将RVM用于人脸检测作了有益的尝试。在基于人脸特征方法的基础上,分别采用AdaBoost、SVM和RVM进行多姿态人脸检测,对比研究表明,AdaBoost的检测速度比SVM和RVM快,检测率略低,SVM和RVM的光照鲁棒性比AdaBoost强,RVM的检测效果优于SVM,在光照变化较大的环境下,利用RVM进行人脸检测不惜为一种好方法。3、针对AdaBoost、SVM、RVM等基于图像的人脸检测方法对样本依赖较强的问题,为了提高样本有效性,取样本长宽比为1.2,重点突出人脸中央纹理较中的部分。特别是在SVM、RVM算法中,提出了采用彩色样本的新方法,并在YC b Cr彩色空间中,有区别地选取各色彩分量的DCT系数作为特征向量,用于分类器的训练。实验表明,该方法增强了样本有效性,这样可提高算法对光照的鲁棒性和检测率。4、分析了基于Gabor变换的人脸表情特征提取方法,针对Gabor特征向量维数过高和传统特征降维方法的不足,提出了对主要表情区域进行局部Gabor表情特征提取,根据各表情子区域对表情识别贡献不同,采用非均匀采样,提取出既能反映表情变化,又利于表情分类的表情特征,以达到有效的降维。最后,运用DWT和DCT对表情特征做进一步降维,较好地解决了特征提取与降维的问题。5、对多分类SVM和RVM进行了深入的研究,针对传统的一对一、一对余等多分类方法的不足,提出了基于二对二多分类SVM与RVM的表情分类方法。该方法以四类别分类问题为研究基础,根据每个子分类器的输出结果进行判断,以相对较少的子分类器组合实现快速分类,从而减少了分类误差。在决策根节点,采用近似最优方法将多类别样本分成两组,并使其聚类中心距离最大,且每组样本数据分歧最小。根据六种基本表情识别率不同,设计出较为合理的决策方案,减小误差的累积,获取最优的分类性能。实验表明,该方法明显缩减了训练和测试时间,提高了分类性能。另外,RVM分类性能略优于SVM。6、研究了基于人脸识别的身份认证系统的活体检测技术,及其在提高系统的防欺骗性能的优缺点。根据当前人脸表情识别在与人相关时识别率高,与人无关时识别率低的特点,提出了通过访问人员能够接受又容易做到的4种基本人脸表情进行识别,在保证系统运行速度和较低的错误接受率的基础上,实现活体检测,有效提高了基于人脸识别身份认证系统的防欺骗性能。
|
全文目录
摘要 6-8 Abstract 8-16 第一章 绪论 16-42 1.1 研究背景、内容和意义 16-22 1.1.1 研究背景 16-18 1.1.2 研究内容 18-20 1.1.3 研究意义与应用领域 20-22 1.2 人脸检测概述 22-28 1.2.1 国内外研究的现状 22-23 1.2.2 人脸检测的主要技术方法 23-26 1.2.3 人脸检测的难点 26-27 1.2.4 人脸检测的发展方向 27-28 1.3 人脸表情识别概述 28-35 1.3.1 国内外研究的现状 28-29 1.3.2 人脸表情识别的主要技术方法 29-33 1.3.3 人脸表情识别的难点 33-34 1.3.4 人脸表情识别的发展方向 34-35 1.4 主要人脸数据库 35-40 1.5 本文研究内容及组织结构 40-42 1.5.1 本文研究内容 40 1.5.2 论文的组织结构 40-42 第二章 多姿态人脸检测 42-79 2.1 引言 42-43 2.2 人脸特征检测 43-48 2.2.1 肤色检测 44-46 2.2.2 眼睛检测 46-47 2.2.3 嘴巴检测 47-48 2.3 Adaboost 算法 48-54 2.3.1 Haar-Like 特征 48-50 2.3.2 Adaboost 算法 50-53 2.3.3 Adaboost 级联分类器 53-54 2.4 支持向量机 54-62 2.4.1 机器学习的基本问题 54-56 2.4.2 统计学习理论 56-59 2.4.3 支持向量机 59-62 2.5 相关向量机 62-67 2.5.1 贝叶斯学习理论 62-65 2.5.2 相关向量机 65-67 2.6 多姿态人脸检测 67-77 2.6.1 基于人脸特征和AdaBoost 的多姿态人脸检测 67-71 2.6.2 基于人脸特征和支持向量机的多姿态人脸检测 71-75 2.6.3 基于人脸特征和相关向量机的多姿态人脸检测 75-77 2.7 本章小结 77-79 第三章 基于Gabor 变换的人脸表情特征提取与降维 79-99 3.1 引言 79 3.2 二维Gabor 小波变换 79-82 3.2.1 二维Gabor 小波函数 79-81 3.2.2 二维Gabor 小波变换 81-82 3.3 Gabor 人脸表情特征提取 82-85 3.3.1 Gabor 滤波器组的设计 82-84 3.3.2 Gabor 人脸表情特征提取 84-85 3.4 Gabor 人脸表情特征降维 85-96 3.4.1 选取人脸的主要表情区域 86 3.4.2 局部非均匀采样 86-89 3.4.3 DWT 89-92 3.4.4 DCT 92-96 3.5 基于DWT 和DCT 的局部非均匀Gabor 表情特征提取与降维 96-97 3.6 本章小结 97-99 第四章 基于支持向量机与相关向量机的人脸表情识别 99-115 4.1 引言 99-100 4.2 多分类问题的描述 100 4.3 多分类问题的解决方法 100-107 4.3.1 一次性求解方法 101 4.3.2 一对一方法 101-102 4.3.3 有向无环图方法 102-103 4.3.4 二叉树方法 103-104 4.3.5 一对余方法 104-105 4.3.6 二对二方法 105-107 4.4 基于二对二支持向量机的表情分类 107-113 4.4.1 基于二对二支持向量机的表情分类算法 107-109 4.4.2 实验结果与分析 109-113 4.5 基于二对二相关向量机的表情分类 113-114 4.5.1 基于二对二相关向量机的表情分类算法 113-114 4.5.2 实验结果与分析 114 4.6 本章小结 114-115 第五章 利用表情识别提高基于人脸识别的身份认证系统的防欺骗性 115-131 5.1 引言 115-116 5.2 常见基于生物特征识别的身份认证技术 116-120 5.3 常见的活体检测技术 120-122 5.4 人脸识别 122-125 5.4.1 常见的人脸识别方法 122-124 5.4.2 基于Gabor 变换的人脸识别算法 124-125 5.5 结合表情识别与人脸识别的身份认证系统 125-130 5.5.1 结合表情识别与人脸识别的身份认证系统算法 125-129 5.5.2 实验结果与分析 129-130 5.6 本章小结 130-131 总结与展望 131-134 1. 本文工作总结 131-133 2. 后续研究工作展望 133-134 参考文献 134-147 攻读博士学位期间取得的研究成果 147-148 致谢 148
|
相似论文
- 2D人脸模板保护算法研究,TP391.41
- 基于加权投票和关键帧提取的视频流人脸识别方法研究,TP391.41
- 基于差分演化的人脸识别方法研究,TP391.41
- 基于神经树的人脸识别方法研究,TP391.41
- 基于AdaBoost算法的人脸识别研究,TP391.41
- 基于MMTD的人脸识别方法研究,TP391.41
- 分子三次、分母二次有理样条权函数神经网络研究及应用,TP183
- 基于人脸识别的图像美化系统设计与实现,TP391.41
- 基于特征融合的人脸识别算法研究,TP391.41
- 面向电力营销服务的客户身份自动识别系统设计,TP391.41
- 基于小波变换和线性子空间的人脸识别技术研究,TP391.41
- 基于局部二元模式和韦伯局部描述符的人脸识别,TP391.41
- 基于稀疏表达的人脸识别算法研究,TP391.41
- 彩色人脸检测与识别研究,TP391.41
- 可变光照和遮挡条件下的人脸识别技术研究及其应用,TP391.41
- 基于稀疏表示的人脸图像识别方法研究,TP391.41
- 基于子空间分析的人脸识别算法研究,TP391.41
- 分数阶微分数字图像处理及支持向量机在人脸识别中的应用研究,TP391.41
- 基于改进最大间距准则的人脸识别研究,TP391.41
- 基于子空间方法的人脸识别技术研究,TP391.41
- 基于性别分组的年龄预测技术研究,TP391.41
中图分类: > 工业技术 > 自动化技术、计算机技术 > 计算技术、计算机技术 > 计算机的应用 > 信息处理(信息加工) > 模式识别与装置 > 图像识别及其装置
© 2012 www.xueweilunwen.com
|