資源描述：
《基于局部特征提取的人臉識別方法研究》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、基于局部特征提取的人臉識別方法研究AStudyofFaceRecognitionBasedonLocalFeatureExtraction一級學(xué)科：數(shù)學(xué)學(xué)科專業(yè)：應(yīng)用數(shù)學(xué)研究生：李文娟指導(dǎo)教師：陳永川教授天津大學(xué)數(shù)學(xué)學(xué)院二〇一七年五月二十五日萬方數(shù)據(jù)獨(dú)創(chuàng)性聲明本人聲明所呈交的學(xué)位論文是本人在導(dǎo)師指導(dǎo)下進(jìn)行的研究工作和取得的研究成果，除了文中特別加以標(biāo)注和致謝之處外，論文中不包含其他人已經(jīng)發(fā)表或撰寫過的研究成果，也不包含為獲得天天天津津津大大大學(xué)學(xué)學(xué)或其他教育機(jī)構(gòu)的學(xué)位或證書而使用過的材料。與我一同工作的同志對本研究所
2、做的任何貢獻(xiàn)均已在論文中作了明確的說明并表示了謝意。學(xué)位論文作者簽名:簽字日期:年月日學(xué)位論文版權(quán)使用授權(quán)書本學(xué)位論文作者完全了解天天天津津津大大大學(xué)學(xué)學(xué)有關(guān)保留、使用學(xué)位論文的規(guī)定。特授權(quán)天天天津津津大大大學(xué)學(xué)學(xué)可以將學(xué)位論文的全部或部分內(nèi)容編入有關(guān)數(shù)據(jù)庫進(jìn)行檢索，并采用影印、縮印或掃描等復(fù)制手段保存、匯編以供查閱和借閱。同意學(xué)校向國家有關(guān)部門或機(jī)構(gòu)送交論文的復(fù)印件和磁盤。(保密的學(xué)位論文在解密后適用本授權(quán)說明)學(xué)位論文作者簽名:導(dǎo)師簽名:簽字日期:年月日簽字日期:年月日萬方數(shù)據(jù)摘要摘要人臉識別作為一種生物識別技術(shù)
3、，相比于指紋識別、虹膜識別等而言，具有采集方式友好、應(yīng)用場合廣泛、潛在的數(shù)據(jù)資源豐富等優(yōu)點。隨著人類邁入信息時代，計算機(jī)和網(wǎng)絡(luò)技術(shù)日漸發(fā)達(dá)，信息安全日益重要，許多應(yīng)用領(lǐng)域?qū)εc人臉有關(guān)的信息處理提出了更高的要求；而同時硬件和軟件技術(shù)的發(fā)展，也為滿足實際應(yīng)用系統(tǒng)對人臉檢測、跟蹤及識別技術(shù)的實時化要求提供了可能性，人臉識別研究更加白熱化。由于人臉識別容易受遮擋、光照、噪聲等外部因素以及表情、姿態(tài)等內(nèi)部因素的影響，建立對于這些因素不敏感的描述模型是一項艱巨而緊迫的任務(wù)。研究發(fā)現(xiàn)，相較全局特征描述，局部特征描述更便于削弱或者解
4、除部分影響因素對識別功能的制約。二維離散小波變換（thetwo-dimensionaldiscretewavelettransform，2D-DWT）、Gabor小波變換、局部二值模式（localbinarypattern，LBP）以及當(dāng)前炙手可熱的卷積神經(jīng)網(wǎng)絡(luò)（convolutionalneuralnetwork，CNN）都是常用的具有一定局部細(xì)節(jié)描述能力的特征提取方法。本文以提取人臉局部有效判別特征為研究目標(biāo)，以分塊描述和融合描述為主要研究思路，對人臉識別方法進(jìn)行研究，主要貢獻(xiàn)概括如下：（1）提出了基于非一致分塊
5、的人臉識別方法（non-uniformpatchbasedfacerecognitionvia2D-DWT，NUPDWT）。該方法的核心內(nèi)容為非一致分塊策略（non-uniformpatch，NUP），它是以2D-DWT子帶的物理意義為依據(jù)，結(jié)合積分投影的思想，提出的一種對人臉不同區(qū)域進(jìn)行區(qū)分性劃分的分塊方法。相較人工分塊與平均分塊而言，該種分塊策略更為自動且在很大程度上保持了局部信息的完整性。它是基于平均人臉且實施于小波低頻子帶上的分塊策略。分塊后提取小波近似系數(shù)作為特征，再結(jié)合最近鄰分類和多數(shù)投票法，就構(gòu)成一種新
6、的人臉識別方法——NUPDWT。在多個人臉數(shù)據(jù)庫包括AR遮擋子庫上的實驗顯示，該方法相比一些基于小波和當(dāng)前比較流行的方法而言，識別效果更好，且對于處理遮擋等問題有一定的優(yōu)越性。（2）提出了基于自適應(yīng)分塊的人臉識別方法（self-adaptingpatchbasedfacerecognition，SAPFR）。沿著非一致分塊的思路，延伸提出了一種不僅對人臉不同區(qū)域具有區(qū)分性，而且對不同人臉樣本也具有區(qū)分性的分塊策略，即塊的具體劃分與每張圖像的具體結(jié)構(gòu)更有對應(yīng)性，稱自適應(yīng)分塊策略（self-adaptingpatch，S
7、AP）。該策略比非一致分塊更適合識別在自然狀態(tài)下采集到的人臉圖像。分塊的主要依據(jù)是2D-DWT的邊緣檢測功能，且該分塊策略實施在原圖像上。之后再采用LBP這種提取局部特征的強(qiáng)有力工具，采用I萬方數(shù)據(jù)天津大學(xué)博士學(xué)位論文融合稀疏思想的有效分類方法，得到對應(yīng)的人臉識別方法SAPFR。在Georgia和LFW兩大具有挑戰(zhàn)性的自然狀態(tài)人臉數(shù)據(jù)庫上的實驗中，SAPFR方法展現(xiàn)了比相關(guān)的基于分塊或其它局部特征的方法更明顯的優(yōu)勢。這歸功于自適應(yīng)分塊策略的提出及其與LBP特征提取方法和分類器的有效結(jié)合。（3）提出了采用局部二值模式（
8、LBP）思想來分析Gabor小波子圖的一種新人臉識別算子（LBP-likefeaturebasedonGaborwavelets，GLLBP）。由于Gabor小波子圖之間具有一定的關(guān)聯(lián)性，可以采用LBP思想來分析其內(nèi)在關(guān)聯(lián)性，這樣便提出了一種新的人臉描述算子，即GLLBP，它綜合了LBP和Gabor的優(yōu)點，如對光照、噪聲不敏感。并根據(jù)Gabor
