發(fā)布時間：2021-01-27 18:03

　　人臉識別技術在計算機視覺和模式識別領域受到了越來越多的重視,逐漸成為了一個熱門話題�，F(xiàn)在,大多數(shù)的人臉圖像是在可見光的條件下拍攝的,而在可見光環(huán)境中,光照條件是多變而且復雜的。那么人臉識別的性能就受到了環(huán)境光照變化的影響,因此克服光照變化的影響成為了人臉識別領域的一個重要問題。由于近紅外光成像對光照變化的魯棒性,使得近紅外光成像技術在一定程度上解決了這個問題。在近紅外人臉識別應用中要求注冊和檢測的人臉圖像都是在近紅外光照的條件下拍攝的,而實際應用中大量的人臉圖像采用可見光的條件拍攝,例如身份證照片等等。那么實現(xiàn)可見光人臉圖像和近紅外關人臉圖像的交叉注冊和驗證便成為了一個問題。因為成像的方式不同,那么同一個人的可見光圖像和近紅外圖像存在很多表觀上的差異。但是從人類認知的角度講,它們應該被識別為同一個人,這樣就意味著同一個人的可見光圖像和近紅外圖像存在著某種關聯(lián)。本文將從兩個方面出發(fā),介紹提高可見光和近紅外人臉識別算法的性能。本文主要有兩個關鍵點：1.特征融合方法。在閱讀了大量文獻,做了大量相關實驗后發(fā)現(xiàn)有三種特征在可見光／近紅外人臉識別方面有較好的性能,即SIFT特征、LBP特征和HOG... 

【文章來源】：北京交通大學北京市 211工程院校 教育部直屬院校

【文章頁數(shù)】：67 頁

【學位級別】：碩士

【文章目錄】：
致謝
摘要
ABSTRACT
序言
1 引言
    1.1 研究的背景和意義
        1.1.1 人臉識別的研究背景和意義
        1.1.2 可見光/近紅外人臉識別介紹
    1.2 可見光/近紅外人臉識別算法概述
        1.2.1 特征提取算法
        1.2.2 子空間方法
    1.3 常用的人臉數(shù)據(jù)庫
    1.4 論文結構
2 相關工作
    2.1 異質人臉識別算法
        2.1.1 同質合成方法
        2.1.2 不變特征提取
        2.1.3 公共子空間學習方法
    2.2 極限學習機
    2.3 多任務學習
3 多特征學習
    3.1 SIFT算法的基本理論
        3.1.1 檢測尺度空間中的極值點
        3.1.2 定位關鍵點
        3.1.3 確定關鍵點方向
        3.1.4 描述關鍵點
    3.2 LBP特征基本理論
        3.2.1 紋理特征
        3.2.2 基本的LBP描述子
        3.2.3 擴展的LBP描述子
        3.2.4 LBP描述子的發(fā)展演化
        3.2.5 分塊的LBP特征
        3.2.6 LBP特征的特點
        3.2.7 局部三值模式LTP
    3.3 HOG特征的基本理論
        3.3.1 HOG特征的優(yōu)點
        3.3.2 HOG特征提取算法
    3.4 特征融合算法
        3.4.1 權值計算
        3.4.2 連續(xù)性組合和平行性組合
    3.5 多視圖平滑判別分析
    3.6 實驗部分
        3.6.1 實驗設置
        3.6.2 實驗結果
    3.7 本章小結
4 基于ELM的多任務聚類算法
    4.1 極限學習機
        4.1.1 單隱藏層前饋神經網絡
        4.1.2 極限學習機
    4.2 多任務學習方法
    4.3 基于ELM的多任務聚類算法
        4.3.1 ELM映射算法
        4.3.2 多任務聚類方法
    4.4 實驗
        4.4.1 CASIAHFB數(shù)據(jù)庫實驗
        4.4.2 CASIANIR-VIS 2.0數(shù)據(jù)庫
        4.4.3 實驗結果及分析
    4.5 本章總結
5 可見光/近紅外人臉識別系統(tǒng)
    5.1 系統(tǒng)功能介紹
    5.2 系統(tǒng)設計介紹
        5.2.1 讀取現(xiàn)有圖像識別
        5.2.2 人臉注冊功能
        5.2.3 實時人臉識別
    5.3 系統(tǒng)實現(xiàn)
        5.3.1 開發(fā)環(huán)境介紹
        5.3.2 讀取現(xiàn)有圖像識別
        5.3.3 人臉注冊功能
        5.3.4 實時人臉識別
6 結論與展望
    6.1 主要工作及創(chuàng)新點
    6.2 未來工作展望
參考文獻
作者簡歷及攻讀碩士學位期間取得的研究成果
學位論文數(shù)據(jù)集


【參考文獻】：
期刊論文
[1]人臉圖像的LTP特征提取[J]. 邊后琴.  上海電力學院學報. 2013(03)
[2]基于多尺度局部二值模式的人臉識別[J]. 劉中華,史恒亮,張?zhí)m萍,金忠.  計算機科學. 2009(11)
[3]基于SIFT特征的單樣本人臉識別研究[J]. 許廣毅,王楊.  信息工程大學學報. 2008(02)



本文編號：3003495