学位论文 > 优秀研究生学位论文题录展示

基于全局与局部特征融合的人脸识别

作　者: 邹国锋
导　师: 王科俊
学　校: 哈尔滨工程大学
专　业: 检测技术与自动化装置
关键词: 人脸检测 Gabor变换人脸局部特征提取模糊分类识别全局与局部特征融合
分类号: TP391.41
类　型: 硕士论文
年　份: 2011年
下　载: 60次
引　用: 0次
阅　读: 论文下载

内容摘要

一直以来,人脸识别都是生物识别技术研究中的一个热点问题,至今,在理想状态下的人脸识别研究已经取得了一些成果,但是对于存在干扰因素状态下的人脸识别仍没有较好的解决方案提出。存在的主要干扰因素包括：光照变化、姿态变化、遮挡物、表情变化等等。有研究者提出基于局部特征的人脸特征提取方法有利于改进人脸图像中存在的光照、姿态影响,本文正是从这个角度出发,围绕人脸图像中存在的光照和姿态影响展开研究,详细地分析了人脸识别中的局部特征提取与识别方法的优越性,然后将全局特征和局部特征进行有效地融合,实验表明两种特征的融合可以提高人脸识别的识别率(鲁棒性)。主要工作如下：(1)概述了人脸识别研究的历史和当前的研究现状。本文从当前主要从事人脸识别研究的高校到人脸识别产品的生产商都做了详细的介绍,还对当前人脸识别市场分布以及今后的发展状况做了总结。(2)采用Adaboost方法进行人脸检测。从一幅包含人脸的自然图像中提取出人脸区域,用于下一步的人脸识别和身份鉴定。文中首先对当前主要人脸检测方法进行了介绍,然后讨论了Adaboost算法理论,并展示了人脸检测的效果。(3)采用基于子空间方法进行人脸全局特征提取。首先简要介绍了主成分分析的人脸特征提取,然后文中重点论述基于二维主成分分析的全局特征提取方法,并提出了将二维主成分分析获得的全局特征用于特征融合的新思路。(4)研究了基于Gabor变换的人脸局部特征提取与识别方法。为了充分利用人脸图像中的结构信息,本文提出了将分块技术与Gabor特征提取相结合的新思路,针对分块思想,本文设计了两种方案；在最终的分类器设计中,将模糊分类决策规则用于匹配识别；最后考虑到Gabor变换和识别过程计算量较大,本文将均匀采样技术应用于Gabor分块人脸识别中,取得了较好的实验结果。(5)全局特征与局部特征进行融合。文中首先讨论了特征融合的必要性及其特征融合与集成的方法,然后将全局特征和局部特征进行了有效的融合,实验表明,融合的系统提高了人脸识别系统的性能。通过以上工作,构建了基于全局与局部特征融合的人脸识别系统,实验验证表明,从全局和局部两个角度出发改进人脸识别系统的思路是有效的。

全文目录

摘要  5-6
ABSTRACT  6-10
第一章绪论  10-19
  1.1 课题研究的目的与意义  10
  1.2 人脸识别研究的主要内容和面临的困难  10-12
    1.2.1 人脸识别研究的内容  10-11
    1.2.2 人脸识别面临的困难  11-12
  1.3 人脸识别研究的历史和现状  12-17
    1.3.1 人脸识别研究的历史  12-14
    1.3.2 人脸识别研究的现状  14-17
  1.4 本论文的研究内容与工作安排  17-19
第二章人脸检测技术研究  19-31
  2.1 人脸检测方法概述  19-22
    2.1.1 基于启发模型的方法  19-20
    2.1.2 基于肤色模型的方法  20-21
    2.1.3 基于统计和机器学习的方法  21-22
  2.2 Adaboost检测算法理论  22-28
    2.2.1 Haar-Like特征值的计算  23-26
    2.2.2 分类器的训练过程  26-27
    2.2.3 各分类器级联及人脸检测  27-28
  2.3 人脸检测实验结果展示  28-30
  2.4 本章小结  30-31
第三章基于二维主成分分析的全局特征提取  31-38
  3.1 引言  31
  3.2 主成分分析及其在人脸识别中的应用  31-34
    3.2.1 主成分分析算法原理  31-33
    3.2.2 主成分分析在人脸识别中的应用  33-34
  3.3 二维主成分分析在人脸识别中的应用  34-37
    3.3.1 二维主成分分析算法原理  34-36
    3.3.2 二维主成分分析全局特征提取  36
    3.3.3 二维主成分分析特点分析  36-37
  3.4 本章小结  37-38
第四章基于Gabor变换的局部特征提取  38-58
  4.1 引言  38
  4.2 Gabor小波变换的应用发展  38-40
  4.3 Gabor小波变换的定义  40-44
    4.3.1 一维Gabor小波  40-41
    4.3.2 二维Gabor小波  41-42
    4.3.3 二维Gabor滤波器组参数的选择  42-44
  4.4 基于Gabor变换的人脸特征提取  44-47
  4.5 Gabor变换人脸特征的分块和集成  47-56
    4.5.1 Gabor特征降维的一般方法  47-48
    4.5.2 Gabor特征分块方案A  48-53
    4.5.3 Gabor特征分块方案B  53-56
  4.6 结合均匀采样的Gabor图像分块与识别  56-57
  4.7 本章小结  57-58
第五章融合全局与局部特征的人脸识别  58-70
  5.1 引言  58-59
  5.2 全局特征和局部特征的集成  59-60
  5.3 实验与分析  60-69
    5.3.1 系统运行环境与两种特征提取方法下系统构成  61-63
    5.3.2 基于Gabor变换的局部特征提取与识别实验分析  63-67
    5.3.3 全局与局部特征的融合实验  67-69
  5.4 本章小结  69-70
结论  70-72
参考文献  72-79
攻读硕士学位期间发表的论文和取得的科研成果  79-80
致谢  80

基于全局与局部特征融合的人脸识别

内容摘要

全文目录

相似论文