欢迎来到天天文库
浏览记录
ID:32423884
大小:2.58 MB
页数:57页
时间:2019-02-04
《关于人脸检测和识别技术的研究》由会员上传分享,免费在线阅读,更多相关内容在学术论文-天天文库。
1、关于人脸检测与识别技术的研究TheResearchofFaceDetectionANDFaceRecognition作者姓名王颖学位类型工程硕士学科、专业计算机技术研究方向模式识别导师及职称郑淑丽副教授2013年5月关于人脸检测与识别技术的研究摘要近年来,由于人脸识别具有广泛的应用前景,人脸识别受到了广大研究者的关注,目前已有一些关于人脸识别的应用系统。但由于人脸图像受光照、姿势、表情、遮挡、年龄等因素的影响较大,所以人脸识别在模式识别中是一个极难的问题,人脸识别在将来仍是模式识别中的一个重要的研究热点。本文针对这些难点主要研究基于图像的人脸检测技术和人脸识别技术。主要
2、研究工作如下:1.本文首先介绍了人脸检测技术和人脸识别技术的国内外研究现状及研究前景,然后介绍了图像处理中的一些常用的算法和操作。2.本文提出了一种基于MB-WLD特征的人脸检测方案。WLD是一种基于韦伯定律的局部纹理算子,具有很好的纹理描述特性,但其对多尺度下的图像描述有一定的不足,文中采用Multi-Block思想对WLD的多尺度特性进行扩充,使得其具有良好的伸缩性。最后采用支持向量机对MBWLD特征进行分类识别。3.本文提出了一种基于LBP/LTP和LPQ特征融合的人脸检测方案。方案首先对输入的人脸图像采用高斯滤波达到去噪的目的;然后进行Gamma矫正,消除一些光
3、照的影响;接着提取图像的LTP特征和LPQ特征,并对提取出来的特征分别进行PCA降维,并将降维后的数据进行z-score规范化,然后进行连接,最后采用KDCV将融合后的特征映射到最优判别空间;最后采用了一种基于投票机制的分类器进行人脸识别。4.本文采用Matlab对提出的方法进行试验。对于人脸检测方案,在MIT-CMU人脸检测数据库上进行试验,试验结果表明本文提出的人脸检测方案具有良好的鲁棒性,而且识别率较高。对于人脸识别方案,在ORL人脸数据库和YALE人脸数据库上进行测试,试验结果表明本文提出的经过融合后的LTP和LPQ特征的识别率要明显由于其它单一的算法。关键词:
4、人脸检测、人脸识别、MBWLD、LTP-LPQTheResearchofFaceDetectionANDFaceRecognitionAbstractInrecentyears,facerecognitionhasbroadapplicationprospects,sothefacerecognitiondrawthemajorityofresearchers'attention,nowthereissomefacerecognitionsystemhasbeenused.Buttheimageofthefacebythelight,posture,facialexpr
5、essions,occlusion,ageandotherfactorsinfluenceisanextremelydifficultprobleminfacerecognitionfield,facerecognitionisstillanimportantfieldinpatternrecognitioninthefuture.Inthisthesis,wefocusonthesedifficultiesandstudytheimage-basedfacedetectiontechnologyandfacerecognitiontechnology.Themainr
6、esearchworkareasfollows:First,thisthesisintroducestheresearchstatusandprospectsoffacedetectiontechnologyandfacerecognitiontechnology,andthenintroducessomecommonlyusedimageprocessingalgorithmsandoperations.Second,thisthesisproposedafacedetectionalgorithmwhichbasedonMBWLDcharacteristics.We
7、berlocaldescriptor(WLD)whichisbasedonWeber'slawisagoodlocaltextureoperator,butthereisacertainlackofmulti-scaleimagedescription,forthisproblemweuseMulti-BlockideologicaltoexpansionWLD’smulti-scalefeatures.Finally,supportvectormachineisusedtoclassificationtheMBWLDfeaturesan
此文档下载收益归作者所有