人臉特征提取和非線性識別方法的研究.pdf_第1頁
已閱讀1頁,還剩142頁未讀, 繼續(xù)免費閱讀

下載本文檔

版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進行舉報或認領(lǐng)

文檔簡介

1、人臉識別研究的核心問題是使計算機具有身份辨別的能力。該研究具有重大的理論意義和實際應用價值。人臉識別技術(shù)的系統(tǒng)研究能夠推動人工智能和計算機視覺等相關(guān)領(lǐng)域的發(fā)展。作為生物特征識別關(guān)鍵技術(shù)之一的人臉識別技術(shù)則在身份認證、視覺監(jiān)控、人機交互、公共安全、信息安全、金融等領(lǐng)域具有潛在的應用前景。
  經(jīng)過幾十年的發(fā)展,人臉識別技術(shù)取得了長足的進步,在理想情況下好的人臉識別系統(tǒng)已經(jīng)能夠取得可以接受的識別性能。但非理想條件下的人臉識別技術(shù)還遠遠

2、未能滿足人們的需要。本文重點探討實現(xiàn)魯棒人臉識別系統(tǒng)的一些核心技術(shù)和關(guān)鍵問題,對面部特征精確配準、特征提取和表示、非線性判別分析等方面進行專門研究。本文的主要研究內(nèi)容總結(jié)如下:
  1.研究面部特征精確配準問題,提出基于約束形狀模型的面部特征提取方法。面部特征精確配準是實現(xiàn)魯棒的人臉識別系統(tǒng)的基本前提。本文首先對面部特征點進行分類,對不同類型的特征點采取不同的建模和搜索方法,從而提出一種約束形狀模型(Constrait Shape

3、 Model, CSM)。該模型的要點包括:(1)面部特征點分成邊緣點,控制點兩部分。(2)對于邊緣點采取改進的主動形狀模型進行建模的策略,即考慮邊緣強度信息對邊緣點建模的貢獻。(3)對于控制點采用Gabor特征進行建模,以及基于啟發(fā)式的搜索策略。實驗表明,CSM能夠更精確定位面部關(guān)鍵特征。
  2.提出基于 Gabor象限特征的人臉識別方法。目前,Gabor特征在人臉識別領(lǐng)域獲得了廣泛應用,然而大多數(shù)人臉識別系統(tǒng)是基于幅值特征的

4、。本文提出一種基于 Gabor象限特征的魯棒人臉識別方法(Histogram of Gabor Phase Pattern,HGPP)。該方法具有如下特點:(1)大多數(shù)傳統(tǒng)人臉識別方法都是基于 Gabor幅值特征,而 HGPP方法完全基于 Gabor相位特征。(2)提出一種新的局部異或算子(Local XOR Pattern, LXP)用來提取局部象限變化。(3)HGPP方法無需訓練,直接提取直方圖特征,因而避免了統(tǒng)計學習領(lǐng)域的泛化分析

5、問題。
  3.對局部異或算子進行一般性擴展。本文提出的局部異或算子(LXP)成功的應用到Gabor象限特征上,并且取得了非常好的性能。但是我們發(fā)現(xiàn)該算子僅僅適用于二值運算,針對這一問題,本文提出一種對其進行一般性擴展的方法,即該算子可以適用于灰度圖像。基于此,進一步融合Gabor的幅值和相位信息,本文又提出基于 Gabor特征的局部異或直方圖(Histogram of Gabor-based Local XOR Pattern,

6、HGLXP)方法。該方法具有如下特點:(1)根據(jù)不同的梯度方向?qū)θ四槇D像進行二值化。(2)LXP算子被用來反映相鄰點之間梯度方向的一致性。(3)LXP算子成功和Gabor幅值和相位特征進行結(jié)合,最后提取空間直方圖特征作為判別特征。(4)HGLXP方法無需訓練,直接提取直方圖特征,因而避免統(tǒng)計學習領(lǐng)域的泛化分析問題。
  4.證明核費舍爾和支持向量機之間的內(nèi)在聯(lián)系,提出了基于支持向量的非線性判別分析方法。核費舍爾和支持向量機是核技巧

7、的兩種成功的應用,它們之間具有內(nèi)在聯(lián)系。本文證明了二者的內(nèi)在聯(lián)系,即支持向量機的法向量具有零空間特性?;谠撎匦裕疚奶岢隽嘶谥С窒蛄康呐袆e分析方法,實驗表明該方法是非常有效的。
  5.提出基于直方圖特征的集成核費舍爾判別方法。直方圖特征被成功的應用到人臉識別領(lǐng)域,并且無需訓練,從而避免了泛化分析問題,然而訓練數(shù)據(jù)集合中包含大量先驗知識沒有得到應用,所以本文提出一種應用先驗知識的基于核費舍爾的統(tǒng)計學習方法,來進一步提高人臉識別

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負責。
  • 6. 下載文件中如有侵權(quán)或不適當內(nèi)容,請與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論