資源描述：
《基于稀疏編碼視頻人臉識(shí)別系統(tǒng)》由會(huì)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(kù)。
1、國(guó)內(nèi)圖書分類號(hào)：TP391.3學(xué)校代碼：10213國(guó)際圖書分類號(hào)：621.3密級(jí)：公開工學(xué)碩士學(xué)位論文基于稀疏編碼的視頻人臉識(shí)別系統(tǒng)碩士研究生：柴光忍導(dǎo)師：丁宇新副教授申請(qǐng)學(xué)位：工學(xué)碩士學(xué)科、專業(yè)：計(jì)算機(jī)科學(xué)與技術(shù)所在單位：深圳研究生院答辯日期：2012年12月授予學(xué)位單位：哈爾濱工業(yè)大學(xué)ClassifiedIndex:TP391.3U.D.C:621.3DissertationfortheMasterDegreeinEngineeringTHESYSTEMOFBASEDONSPARSECODINGFACERECOGNITIONINVIDEOCandidat
2、e:GuangrenChaiSupervisor:AssociateProf.YuxinDingAcademicDegreeAppliedfor:MasterofEngineeringSpeciality:ComputerScience&TechnologyAffiliation:ShenZhenGraduateSchoolDateofDefence:2012.12Degree-Conferring-Institution:HarbinInstituteofTechnology摘要摘要隨著現(xiàn)代科技的發(fā)展，視頻數(shù)據(jù)的增長(zhǎng)呈現(xiàn)爆炸式增速，這些海量視頻數(shù)據(jù)特別是海
3、量視頻中的人物身份信息擁有很大價(jià)值，這就需要視頻人臉識(shí)別技術(shù)，但是當(dāng)前對(duì)視頻人臉識(shí)別的研究還遠(yuǎn)遠(yuǎn)不夠。視頻人臉識(shí)別的研究可用于安全領(lǐng)域、控制領(lǐng)域等，特別是隨著移動(dòng)智能時(shí)代的到來，移動(dòng)終端可以輕易捕獲到大量的視頻數(shù)據(jù)，里面包含大量的人物信息，這就需要高效的視頻人臉識(shí)別技術(shù)，配合移動(dòng)終端的強(qiáng)大計(jì)算能力對(duì)這些人物信息進(jìn)行挖掘分析。因此，對(duì)于視頻人臉識(shí)別的研究很有意義。視頻人臉識(shí)別是對(duì)視頻中人臉分類，其主要的研究難點(diǎn)在于人臉受到表情、光照、分辨率、遮擋等影響嚴(yán)重，導(dǎo)致一些傳統(tǒng)的靜態(tài)圖像分類算法并不是很有效。本課題的研究對(duì)象是基于稀疏編碼的視頻人臉識(shí)別，論文著重研究適
4、合視頻環(huán)境的人臉分類算法，分析視頻中人臉的特性，將稀疏編碼表示思想引入到視頻人臉分類中，本文使用LC-KSVD字典學(xué)習(xí)稀疏編碼算法進(jìn)行視頻人臉分類。同時(shí)，充分結(jié)合視頻人臉的特性，對(duì)原生的LC-KSVD算法進(jìn)行優(yōu)化，使其在視頻中的分類性能得到提升：以視頻序列為基礎(chǔ)，進(jìn)行構(gòu)建字典元素；修改稀疏編碼一致性約束矩陣；統(tǒng)計(jì)分類時(shí)使用投票策略，提高正確率。然后將優(yōu)化過的LC-KSVD算法與傳統(tǒng)的分類算法進(jìn)行對(duì)比，發(fā)現(xiàn)其效果顯著。最后設(shè)計(jì)和實(shí)現(xiàn)一個(gè)視頻人臉識(shí)別系統(tǒng)，該系統(tǒng)由鏡頭分割、人臉檢測(cè)、人臉跟蹤、說話者標(biāo)注、特征提取和分類6部分組成。本文在對(duì)部分步驟的實(shí)現(xiàn)方法上進(jìn)行
5、了創(chuàng)新，主要在于人臉跟蹤時(shí)進(jìn)行二次檢測(cè)增加人臉序列長(zhǎng)度，在序列提取時(shí)對(duì)檢測(cè)到的人臉進(jìn)行一次粗過濾。該系統(tǒng)對(duì)實(shí)際運(yùn)用具有一定指導(dǎo)意義。關(guān)鍵詞：稀疏編碼；LC-KSVD算法；稀疏編碼表示優(yōu)化方法；視頻人臉識(shí)別系統(tǒng)－I－AbstractAbstractWiththedevelopmentofmodernscienceandtechnology,videodatagrowsexplosively.Thesehugeamountsofvideodata,especiallythemasspersonidentityfromvideodatahasbeenofgreat
6、value,whichwouldrequirefacerecognitiontechnologyinvideo;However,currentresearchonfacerecognitioninvideoisstillfarfromenough.Theresearchoffacerecognitioninvideocanbeusedforsecureareaandcontrolsystems,particularlywiththeadventofmobileintelligenceera,mobileterminalscaneasilycapturelar
7、geamountsofvideodata,whichcontainsalargenumberofpeopleinformation,whichrequiresofefficientfacerecognitioninvideo,combinedwithpowerfulcomputingpowerofmobileterminalsontheseinformationdiggingandanalysis.Therefore,theresearchoffacerecognitioninvideoisverymeaningful.Facerecognitioninvi
8、deoistoclassifythefacesinv
