首页> 中文学位 >多方向局部二值模式人脸识别的算法及其实现技术研究
【6h】

多方向局部二值模式人脸识别的算法及其实现技术研究

代理获取

目录

文摘

英文文摘

声明

第一章 绪论

1.1人脸识别的研究内容

1.2人脸识别的研究现状及难点

1.2.1人脸识别的发展历程及主要研究方法

1.2.2人脸识别研究与应用现状

1.2.3人脸识别的难点

1.3本文的主要工作及组织结构

1.3.1本文的主要工作及创新点

1.3.2本文的组织结构

第二章 基于AdaBoost算法的人脸检测

2.1 AdaBoost算法简介

2.2.AdaBoost人脸检测的人脸特征描述

2.2.1 Haar-like特征

2.2.2积分图

2.3.AdaBoost人脸检测

2.3.1弱分类器

2.3.1 AdaBoost算法过程与强分类器

2.3.1层叠分类器

2.4本章小结

第三章 人脸特征提取

3.1主元分析方法

3.1.1主元分析的背景及基本原理

3.1.2主元分析的基本过程

3.1.3基于主元分析的人脸特征提取

3.1.4 2D主元分析

3.2 Gabor滤波器

3.2.1 Gabor小波变换的理论背景与基本思想

3.2.2一维Gabor小波

3.1.3二维Gabor小波及二维Gabor人脸描述

3.3局部二值模式

3.3.1原始LBP算子

3.3.2旋转不变的LBP算子

3.3.3基于一致模式(Uniform Pattern)的旋转不变LBP算子

3.3.4非局部二值模式

3.3.5采用LBP算子的人脸描述

3.3.6多方向LBP算子

3.4实验

3.5本章小结

第四章 基于核岭回归的人脸分类器

4.1岭回归的背景及基本概念

4.1.1多元线性模型

4.1.2最小二乘估计

4.1.3岭回归估计

4.2用于人脸分类的多元标注岭回归

4.3核岭回归

4.4人脸标注向量的构造

4.4.1构造方法一

4.4.2构造方法二

4.4基于岭回归的人脸识别过程

4.4.1岭回归人脸识别

4.4.2核岭回归人脸识别

4.5本章小结

第五章人脸识别系统的设计与实现

5.1系统算法的设计

5.2 OpenCV简介

5.2.1 OpenCV的特征

5.2.2 OpenCV的功能

5.2.3 OpenCV模块

5.3人脸识别系统的框架

5.4人脸识别系统的实现

5.4.1人脸检测

5.4.2人脸图像预处理

5.4.3人脸特征提取

5.4.5系统的功能与界面

5.5本章小结

第六章结论与展望

6.1总结

6.2对未来工作的展望

参考文献

致谢

附录作者在攻读硕士学位期间发表的文章和参与的科研项目

展开▼

摘要

人脸识别由于其可应用范围的广泛引起了越来越多的关注,然而由于人脸结构、模式的特殊性,以及光照等外界因素的影响的多样性与复杂性,决定了人脸识别是一个极具挑战性的课题。 本文通过查阅大量文献,深入学习研究了经典的PCA算法以及LBP算法等几种顶级人脸特征提取算法。传统的PCA算法可用于提取人脸的全局特征并考虑了样本之间的模式关系,但缺少对人脸局部信息的刻画;LBP从像素、图像子区域、图像整体的联合直方图三个不同的级别上描述人脸,其特征具有抗光照影响、旋转不变性和计算简便、效率高等特点。LBP方法本质上提取的是图像边缘、角点等局部变化特征,然而图像的边缘、角点等特征具有方向性,边缘、角点的方向性包含了许多人脸的细节信息,而LBP算子在特征提取时对方向性的考虑不足,导致了这些细节信息的丢失。针对LBP算子在进行特征提取时对纹理的方向信息提取不足,提出了一种多方向LBP算法,增强了对边缘、角点等的方向信息的描述能力。在ORL人脸库上的实验也表明了本文算法的有效性。 基于本文提出的算法,结合PCA与岭回归分类器,本文采用VC++6.0以及OpenCV实现了一个实时视频人脸识别系统。该系统具有对输入的视频进行实时人脸检测,并对检测到的人脸进行实时特征提取与识别的功能,该系统为我们以后进一步开发更具实用性的人脸识别系统提供了参考和技术储备。

著录项

相似文献

  • 中文文献
  • 外文文献
  • 专利
代理获取

客服邮箱:kefu@zhangqiaokeyan.com

京公网安备:11010802029741号 ICP备案号:京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有
  • 客服微信

  • 服务号