基于靜態(tài)人臉圖像的性別識別方法研究

基于靜態(tài)人臉圖像的性別識別方法研究

ID:35071235

大?。?.87 MB

頁數(shù):63頁

時間:2019-03-17

基于靜態(tài)人臉圖像的性別識別方法研究_第1頁
基于靜態(tài)人臉圖像的性別識別方法研究_第2頁
基于靜態(tài)人臉圖像的性別識別方法研究_第3頁
基于靜態(tài)人臉圖像的性別識別方法研究_第4頁
基于靜態(tài)人臉圖像的性別識別方法研究_第5頁
資源描述:

《基于靜態(tài)人臉圖像的性別識別方法研究》由會員上傳分享,免費在線閱讀,更多相關內容在學術論文-天天文庫

1、I爲麥毛謂似專.圖碩±學位論文胃權圓基于靜態(tài)人臉圖像的性別識別方法研究作者姓名張窺學校導師姓名、職棘鄭海紅副教授企業(yè)導師姓名、職賴劉瑜華窩工串請學位類別工程碩壬jj代碼10701學號303121914-1分類號ipm__密級公巧西安電子科技大學碩±學位論文基于靜態(tài)人臉圖像的性別識別方法研究作者姓名;張?。崳婎I域:計算機技術學位類別:工程碩±、職稱學校導師姓名:鄭海紅副教授企業(yè)導師姓名、職稱:劉瑞華高工學院:計算機學院提交日期:2016年3月Researchofgenderre

2、cognitionbasedonstaticfacialimagesAthesissubmittedtoXIDIANUNIVERSITYinpartialfulfillmentoftherequirementsforthedegreeofMasterinComputerTechnologyByZhangWeiSupervisor:ZhengHaiHongAssociateProfessorRuihuaLiuSeniorEngineerMarch2016西安電子科技大學學位論文獨創(chuàng)性(或創(chuàng)新性)聲明秉承學校嚴謹?shù)膶W風和優(yōu)良的科學道德,本人聲明所呈交的論文是我個人在導師指導下進行

3、的研巧工作及取得的研究成果。盡我所知,除了文中特別加W標注和致謝^,論文中不包含其他入已經(jīng)發(fā)表或撰寫過的研究成果中所羅列的內容文外;也不包含為獲得西安電子科技大學或其它教育機構的學位或證書而使用過的材料一。與我同工作的同事對本研究所做的任何頁獻均已在論文中作了明確的說明并表示了謝意。一學位論文若有不實之處,本人承擔切法律責任。::本人簽名_欲藻日期西安電子科技大學關于論文使用授權的說明本人完全了解西安電子科技大學有關保留和使用學位論文的規(guī)定,即;研究生在校攻讀學位期間論文工作的知識產(chǎn)權屬于西安電子科技大學。學校有權保留送交論文、的復印件,允許

4、查閱借閱論文;學校可公布論文的全部或部分內容,允許采用影印、縮印或其它復制手段保存論文。同時本人保證,結合學位論文研究成果完成的論文、發(fā)明專利等成果,署名單位為西安電子科技大學。保密的學位論文在年解密后適用本授權書。^本人簽名:導師簽名:/V_卻轉L-202.日期:7^/6,,日期;^如摘要摘要隨著全球化和網(wǎng)絡的飛速發(fā)展,身份識別在日常生活中需求越來越大。在人類生物特征中,人臉易獲取的特性使其在身份識別中應用廣泛,而性別識別屬于人臉識別中的一種,隨著身份識別的發(fā)展也成為了研究的熱點之一。詞袋(BoW)模型是一種廣泛應用于文檔分類領域的分類

5、方法,最近幾年一些研究人員將BoW的思想引入到圖像分類領域,出現(xiàn)了視覺詞袋、視覺詞匯、視覺字典等,由于BoW模型簡單并且行之有效的特點,本文對BoW模型進行了比較深入的研究。性別識別是一個典型的二分類問題,本文首先介紹了影響性別識別的各種因素,然后給出了常用的人臉數(shù)據(jù)庫以及對人臉圖像的預處理方法。本文通過對BoW模型、Adaboost算法及樸素貝葉斯算法進行深入學習的基礎上,提出了一種基于改良BoW模型并利用空間相似度(SpatiallyConstrainedSimilarityMeasure,SCSM)進行測量的NBC(Na?veBayesClassifer)分類器的方法進行性別識別。

6、傳統(tǒng)的稀疏SIFT特征在提取過程需要構建高斯尺度空間和高斯差分尺度空間,尺度空間的構造需要比較多的時間花費和空間花費,而DenseSIFT在特征提取過程中則不需要構建.DenseSIFT對圖像進行均勻采樣,在實際的特征提取過程對不同的背景適應性也較強,提高了特征提取效率。最后選擇CAS-PEAL人臉數(shù)據(jù)庫,在影響人臉識別的不同的變化條件下,如姿勢、表情、光照和飾物,用基于稠密SIFT和稀疏SIFT的BoW特征提取模型,分別與樸素貝葉斯分類器和Adaboost分類器結合進行實驗。實驗結果表明基于DenseSIFT的BoW模型和NBC結合的性別分類效果比其他幾種識別方法準確率平均提高2%。關

7、鍵詞:性別識別,樸素貝葉斯分類器,BoW,視覺詞匯,SIFT特征IABSTRCTABSTRACTWiththerapiddevelopmentofglobalizationandnetwork,theidentityrecognitiontechniqueineverydaylifeisurgentlydemand.Inthehumanbiologicalcharacteristics,facefeaturesbeingeasyge

當前文檔最多預覽五頁,下載文檔查看全文

此文檔下載收益歸作者所有

當前文檔最多預覽五頁,下載文檔查看全文
溫馨提示:
1. 部分包含數(shù)學公式或PPT動畫的文件,查看預覽時可能會顯示錯亂或異常,文件下載后無此問題,請放心下載。
2. 本文檔由用戶上傳,版權歸屬用戶,天天文庫負責整理代發(fā)布。如果您對本文檔版權有爭議請及時聯(lián)系客服。
3. 下載前請仔細閱讀文檔內容,確認文檔內容符合您的需求后進行下載,若出現(xiàn)內容與標題不符可向本站投訴處理。
4. 下載文檔時可能由于網(wǎng)絡波動等原因無法下載或下載錯誤,付費完成后未能成功下載的用戶請聯(lián)系客服處理。