学位论文 > 优秀研究生学位论文题录展示

基于小波变换和线性子空间的人脸识别技术研究

作　者: 彭宇翔
导　师: 王友钊
学　校: 浙江大学
专　业: 电子信息技术及仪器
关键词: 人脸识别 Haar特征 Adaboost分类器二维小波变换 UPCA 2D-LDA 抽样重组
分类号: TP391.41
类　型: 硕士论文
年　份: 2012年
下　载: 182次
引　用: 1次
阅　读: 论文下载

内容摘要

人脸识别技术是针对人的面部特征的一项生物特征识别技术,在信息认证、身份识别、人机交互等诸多领域都有着良好的应用前景。但人脸特征自身的形变大,又易受到光照、角度等外界因素影响,人脸识别有着较高的研究难度和极广的研究空间。近年来利用代数方法的人脸特征提取,受到国内外广大学者青睐,线性子空间即是其中最重要的方法。为此本文主要针对小波变换图像特征和线性子空间的识别方法进行深入研究。论文首先了介绍人脸检测的方法,并对使用Haar特征和Adaboost级联分类器的方法进行了深入研究。在Adaboost训练算法的基础上,使用特征距离对弱分类器选择做了改进,并将该分类器与OpenCV已训练好的人脸检测分类器进行比较。其次研究了小波变换特性和二维小波变换的方法。由于小波变换有着多分辨率分析的优点和对图像进行不同频率分解的能力,本文使用二维小波对图像特征进行变换并降维。变换后,小波低频分量保留了图像近似信息,高频分量包含图像细节信息。论文还讨论了基于线性子空间两种基本的特征提取方法PCA和LDA。在2D-LDA的基础上,提出一种改进的2D-LDA方法。本文将改进的2D-LDA的分类特征和UPCA的描述特征进行组合,实现了对图像分类和检查分类正确性的功能。通过实验比较该方法与单纯使用UPCA或改进的2D-LDA的识别性能。论文最后在基于Haar特征和Adaboost级联分类器的人脸检测和基于小波变换和线性了空间的人脸识别的基础上,提出一种入脸识别系统的设计方案。软件系统包括了图像预处理、人脸检测、特征变换、特征提取和分类决策。论文提出的一种结合小波变换和线性子空间的人脸识别算法,经实验对比证明有着良好的识别率,而且改进的2D-LDA减少了分类时的运算量,UPCA校验保证了较低的认假率.

全文目录

致谢  4-5
摘要  5-6
英文摘要  6-10
1. 绪论  10-18
  1.1 研究背景及意义  10-13
    1.1.1 生物特征识别技术  10-12
    1.1.2 人脸识别技术  12-13
  1.2 人脸识别技术发展及现状  13-16
  1.3 本文的内容及结构  16-18
    1.3.1 本文的内容  16
    1.3.2 本文的章节安排  16-18
2. 基于Haar特征和Adaboost级联分类器的人脸检测  18-33
  2.1 概述  18-19
  2.2 Haar矩形特征  19-24
    2.2.1 特征矩形框  19-21
    2.2.2 快速特征值计算  21-24
  2.3 Adaboost级联分类器  24-29
    2.3.1 Adaboost训练算法  24-26
    2.3.2 Adaboost级联分类器  26-28
    2.3.3 特征选择  28-29
  2.4 人脸在线检测  29
  2.5 实验结果  29-32
  2.6 本章小结  32-33
3. 基于小波的特征变换  33-42
  3.1 概述  33
  3.2 基本小波变换  33-36
  3.3 二维小波变换  36-37
  3.4 实验结果  37-41
  3.5 本章小结  41-42
4. 基于线性子空间的特征提取  42-55
  4.1 概述  42-43
  4.2 PCA  43-48
    4.2.1 基本PCA  43-44
    4.2.2 基于GCM的UPCA  44-48
  4.3 LDA  48-50
    4.3.1 基本LDA  48-49
    4.3.2 改进的2D-LDA  49-50
  4.4 分类决策  50-51
  4.5 实验结果  51-54
  4.6 本章小结  54-55
5. 系统结构设计  55-59
  5.1 系统结构  55-56
  5.2 软件系统  56-57
  5.3 软件流程  57-59
6. 结论与展望  59-61
  6.1 结论  59
  6.2 创新点  59-60
  6.3 展望  60-61
参考文献  61-65

基于小波变换和线性子空间的人脸识别技术研究

内容摘要

全文目录

相似论文