資源描述：
《基于高維特征及深度學(xué)習(xí)的人臉識別》由會員上傳分享，免費(fèi)在線閱讀，更多相關(guān)內(nèi)容在學(xué)術(shù)論文-天天文庫。
1、分類號：密級：UDC：編號：201421104003河北工業(yè)大學(xué)碩士學(xué)位論文基于高維特征及深度學(xué)習(xí)的人臉識別論文作者：邢玲學(xué)生類別：全日制學(xué)科門類：理學(xué)學(xué)科專業(yè)：應(yīng)用數(shù)學(xué)指導(dǎo)教師：穆國旺職稱：教授DissertationSubmittedtoHebeiUniversityofTechnologyforTheMasterDegreeofScienceinAppliedMathematicsFaceRecognitionbasedonhigh-dimensionalfeatureanddeeplearningbyXing
2、LingSupervisor:Prof.MuGuowangDecember2016摘要隨著信息時(shí)代的到來，信息安全引起了人們的普遍關(guān)注。因?yàn)槿四樧R別具有不可復(fù)制性，不易被模仿，具有可靠的安全性，因此被廣泛地應(yīng)用于身份驗(yàn)證、可視通信、智能監(jiān)控、安保、金融、電子政務(wù)、公安檔案管理等各個領(lǐng)域。通俗來說，人臉識別就是根據(jù)人臉圖像的信息特征來進(jìn)行分類識別，因此，如何提取圖像中有效的特征就變得尤為重要。本文針對人臉圖像的特征提取和識別進(jìn)行了研究，論文完成的主要工作如下：1、對ChenDong等人構(gòu)造高維特征的算法進(jìn)行了改進(jìn)。在C
3、henDong等人的論文中，首先將人臉圖像縮放成不同尺度的幾幅圖像。對于每幅圖像，以每個特征點(diǎn)為中心，取一個固定大小的圖像塊，將每個塊分成16個單元；在每個單元上提取特征，然后將提取到的特征聯(lián)合起來，得到一個子塊上的特征，再將不同尺度、所有子塊上的特征聯(lián)合起來，形成最終人臉圖像的特征。在本論文中，在每個特征點(diǎn)處增加了一個以特征點(diǎn)為中心的單元，其他步驟不變，提出了改進(jìn)的高維特征。在LFW人臉庫上對高維LBP、Gabor、HOG、SIFT特征與相應(yīng)改進(jìn)的高維特征進(jìn)行對比實(shí)驗(yàn)，實(shí)驗(yàn)結(jié)果表明，改進(jìn)的高維特征識別率優(yōu)于Chen
4、Dong等人提出的高維特征。2、將改進(jìn)的構(gòu)造高維特征的算法推廣到LPQ特征上，提出了高維LPQ特征的概念和構(gòu)造方法，在此基礎(chǔ)上提出了基于高維LPQ特征和聯(lián)合貝葉斯的人臉識別算法。構(gòu)造過程和改進(jìn)的高維特征類似，對于每個單元提取LPQ特征，最終將所有尺度、所有子塊中包含的單元LPQ特征聯(lián)合起來，得到高維LPQ特征，然后利用PCA對高維LPQ特征進(jìn)行降維，最后利用聯(lián)合貝葉斯進(jìn)行人臉識別。我們將所得到的高維LPQ特征同普通的LBP、HOG、Gabor、SIFT特征及其對應(yīng)的高維特征在LFW人臉庫上進(jìn)行實(shí)驗(yàn)，實(shí)驗(yàn)結(jié)果表明，我們
5、提出的高維LPQ特征識別率高于其它特征以及對應(yīng)的高維特征。3、研究了在基于深度學(xué)習(xí)的人臉識別中，對于由卷積神經(jīng)網(wǎng)絡(luò)提取得到的特征向量進(jìn)行PCA降維處理是否能夠進(jìn)一步提高識別率。首先，利用VGG模型提取了圖像的深度特征，其次，對提取到的深度特征利用主成份分析(PrincipalComponentAnalysis,PCA)進(jìn)行降維處理，最后，利用余弦分類器進(jìn)行分類識別。在LFW人臉庫上進(jìn)行實(shí)驗(yàn)，實(shí)驗(yàn)結(jié)果表明對于VGG網(wǎng)絡(luò)得到的深度特征，利用PCA進(jìn)行降維后，識別率有所提高。關(guān)鍵字：人臉識別高維特征主成份分析聯(lián)合貝葉斯深度
6、學(xué)習(xí)卷積神經(jīng)網(wǎng)絡(luò)IABSTRACTWiththeadventoftheinformationage,peoplearepayingmoreandmoreattentiontoinformationsecurity.Asabiometricidentificationtechnology,facerecognitionthatcannotbereproducedoreasilybeimitatedisofhighsecurity.Therefore,itiswidelyusedinauthentication,visu
7、alcommunication,intelligentmonitoring,dailysecurity,finance,e-government,publicfilemanagementandotherfields.Generally,facerecognitionistojudgebycomputerwhethertwofacialimagesarefromthesamepeopleorwhoisintheimagebasedontheinformationinfacialimages.Therefore,itis
8、importanttoextracteffectivefeaturesoffacialimages.Thisthesisstudiesonextractingoffeaturesandrecognizingoffacialimages.Firstly,thisthesisimprovedthealgorithmofconstructinghig
