学位论文 > 优秀研究生学位论文题录展示

人脸识别特征提取算法研究

作　者: 魏云龙
导　师: 解梅
学　校: 电子科技大学
专　业: 信号与信息处理
关键词: 人脸识别 特征提取 AdaBoost 主动形状模型 主动表观模型
分类号: TP391.41
类　型: 硕士论文
年　份: 2011年
下　载: 275次
引　用: 0次
阅　读: 论文下载
 

内容摘要


人脸识别作为当前生物特征识别技术领域的热门研究课题,其实现方法多种多样。如何准确、高效地实现人脸识别是人脸识别研究的一大难点。一个完整的人脸识别系统一般包含人脸图像的获取、人脸检测与定位、人脸特征提取和特征比对四个主要环节。其中,如何快速、准确地进行人脸检测,如何准确地对检测到的人脸进行特征提取,直接影响到整个人脸识别系统的性能。本文对现有经典的人脸检测和人脸特征提取算法进行分析、研究和实现,同时针对实验过程中遇到的问题,结合数字图像处理和模式识别相关知识,对经典算法进行了一定的改进,在一定程度上提高了算法的性能。本文所做的主要研究工作如下:1.详细阐述了目前最具实用价值的基于AdaBoost算法的人脸检测方法,主要研究了Haar-like特征提取、分类器设计以及多尺度变换三个方面的问题。同时为了进一步降低误检率,对AdaBoost算法的检测结果进行肤色校验,从而实现有效地去除误检人脸区域。2.研究实现了基于主动形状模型(ASM)的人脸特征点提取算法。详细分析了经典ASM方法的模型建立和匹配搜索算法,同时针对传统方法在人脸含有表情情况下遇到的困难,设计了将人脸区域按变化相关度进行划分、建模的改进型ASM算法。改进后的方法对人脸面部存在表情或人在说话的情况下能更准确地进行特征点的定位。另外,还尝试研究了将核主成分分析替换主成分分析以提高小角度偏转情况下人脸特征点定位的准确性。3.研究实现了基于主动表观模型(AAM)的人脸特征点提取算法。详细分析了经典AAM方法的模型建立和匹配搜索算法,研究了反向合成算法在AAM匹配过程中的应用。为降低全局光照的干扰,将纹理归一化操作融合到反向合成算法中,提高了模型生成实例的准确性。4.利用OpenCV对本文的人脸检测和人脸特征提取算法进行了实现,并借助MFC搭建了一个完整的人脸识别演示程序。

全文目录


摘要  4-5
ABSTRACT  5-10
第一章 绪论  10-17
  1.1 课题研究的背景和意义  10-13
  1.2 人脸识别技术的研究现状  13-14
  1.3 研究的主要内容及结构安排  14-17
    1.3.1 研究的主要内容  14-15
    1.3.2 本文的结构安排  15-17
第二章 基于AdaBoost 算法的人脸检测  17-28
  2.1 Viola 经典人脸检测技术介绍  17-24
    2.1.1 Haar-like 特征提取  17-20
    2.1.2 AdaBoost 算法  20-23
    2.1.3 级联分类器  23
    2.1.4 多尺度变换  23-24
  2.2 级联肤色校验的人脸检测  24-25
  2.3 实验结果与分析  25-27
  2.4 本章小结  27-28
第三章 基于ASM 的人脸特征点提取  28-45
  3.1 经典ASM 算法  28-35
    3.1.1 统计形状模型  28-31
    3.1.2 局部灰度模型  31-32
    3.1.3 匹配搜索算法  32-35
  3.2 人脸区域划分的ASM 算法  35-40
    3.2.1 训练过程  35-37
    3.2.2 匹配搜索过程  37-38
    3.2.3 实验结果与分析  38-40
  3.3 基于KPCA 的3-视角ASM 算法  40-44
    3.3.1 KPCA 的基本原理  40-42
    3.3.2 3-视角非线性ASM 模型  42-43
    3.3.3 实验结果与分析  43-44
  3.4 本章小结  44-45
第四章 基于AAM 的人脸特征点提取  45-61
  4.1 经典AAM 算法  45-52
    4.1.1 统计形状模型  45-47
    4.1.2 统计纹理模型  47-50
    4.1.3 组合表观模型  50-51
    4.1.4 匹配搜索算法  51-52
  4.2 基于反向合成算法的AAM 匹配方法  52-58
    4.2.1 反向合成算法介绍  52-54
    4.2.2 反向合成算法在AAM 匹配中的应用  54-56
    4.2.3 改进的AAM 搜索算法  56-58
  4.3 实验结果与分析  58-60
  4.4 本章小结  60-61
第五章 基于OpenCV 的人脸识别程序设计  61-68
  5.1 系统结构框图  61-64
  5.2 算法设计与实现  64-67
    5.2.1 AAM 模型训练  64-65
    5.2.2 用户身份注册  65-66
    5.2.3 用户身份识别  66-67
  5.3 本章小结  67-68
第六章 总结与展望  68-70
  6.1 总结  68-69
  6.2 展望  69-70
致谢  70-71
参考文献  71-75
攻硕期间取得的研究成果  75-76

相似论文

  1. 基于SVM的高速公路路面浅层病害的自动检测算法研究,U418.6
  2. 空间目标ISAR成像仿真及基于ISAR像的目标识别,TN957.52
  3. 2D人脸模板保护算法研究,TP391.41
  4. 基于三维重建的焊点质量分类方法研究,TP391.41
  5. 舌体特征的提取及融合分类方法研究,TP391.41
  6. 基于人眼检测的驾驶员疲劳状态识别技术,TP391.41
  7. 胆囊炎和肾病综合症脉象信号的特征提取与分类研究,TP391.41
  8. Q学习在基于内容图像检索技术中的应用,TP391.41
  9. 直推式支持向量机研究及其在图像检索中的应用,TP391.41
  10. 中医舌诊中舌形与齿痕的特征提取及分类研究,TP391.41
  11. 空间交会接近视觉测量方法研究,TP391.41
  12. 图像实时采集、存储与处理方法研究,TP391.41
  13. 唇读中的特征提取、选择与融合,TP391.41
  14. 多币种纸币处理技术的研究与实现,TP391.41
  15. 基于类Harr特征和最小包含球的纸币识别方法的研究,TP391.41
  16. 基于图像的路面破损识别,TP391.41
  17. 移动机器人视觉检测和跟踪研究,TP242.62
  18. 高光谱与高空间分辨率遥感图像融合算法研究,TP751
  19. 基于随机森林的植物抗性基因识别方法研究,Q943
  20. 基于图像处理技术的烟叶病害自动识别研究,S435.72
  21. 基于视觉的番木瓜外观品质检测技术研究,S667.9

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