發(fā)布時(shí)間：2021-02-03 18:40

　　人臉識(shí)別是計(jì)算機(jī)視覺(jué)領(lǐng)域的重要分支和研究方向,在智能家居、身份認(rèn)證等領(lǐng)域有著非常廣泛的應(yīng)用,基于機(jī)器學(xué)習(xí)的人臉識(shí)別算法也越來(lái)越受到學(xué)術(shù)界的重視。本文的主要工作是人臉識(shí)別技術(shù)的研究,重點(diǎn)是子模式GLHist-LP人臉識(shí)別算法的研究,以及該算法在以ARM為核心的嵌入式平臺(tái)上的實(shí)現(xiàn)、測(cè)試與分析。在研究分析了現(xiàn)有人臉識(shí)別相關(guān)技術(shù)基礎(chǔ)上,提出了子模式GLHist-LP人臉識(shí)別算法網(wǎng)絡(luò)結(jié)構(gòu),與現(xiàn)有識(shí)別算法相比,該結(jié)構(gòu)降低了人臉特征的維數(shù),可以加快人臉識(shí)別算法的執(zhí)行速度,提高人臉識(shí)別準(zhǔn)確率與效率;主特征提取的主要工作是通過(guò)面部局部區(qū)域劃分形成子模式,對(duì)得到的四種子模式圖像利用改進(jìn)的Gabor濾波器進(jìn)行卷積處理,進(jìn)而得到Gabor特征圖,并對(duì)特征圖集合進(jìn)行二值模式直方圖降維,提取到256維的LGBP直方圖信息,將其結(jié)果應(yīng)用于子模式GLHist-LP人臉識(shí)別算法中,降低了識(shí)別算法的運(yùn)算量;輔特征提取的主要工作是利用LBP特征對(duì)全局圖像的紋理敏感性和旋轉(zhuǎn)不變性實(shí)現(xiàn)特征提取,對(duì)得到的特征向量再通過(guò)2D-PCA線性映射算法完成降維操作,得到維數(shù)為82的輔特征,針對(duì)主特征缺乏面部整體結(jié)構(gòu)信息的問(wèn)題實(shí)現(xiàn)了完善和強(qiáng)... 

【文章來(lái)源】：西安電子科技大學(xué)陜西省 211工程院校 教育部直屬院校

【文章頁(yè)數(shù)】：91 頁(yè)

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
ABSTRACT
符號(hào)對(duì)照表
縮略語(yǔ)對(duì)照表
第一章 緒論
    1.1 課題研究背景與意義
    1.2 國(guó)內(nèi)外研究現(xiàn)狀
        1.2.1 人臉識(shí)別研究現(xiàn)狀
        1.2.2 嵌入式系統(tǒng)概況
        1.2.3 嵌入式系統(tǒng)下人臉識(shí)別研究現(xiàn)狀
    1.3 論文的研究?jī)?nèi)容和組織結(jié)構(gòu)
        1.3.1 研究工作
        1.3.2 論文章節(jié)安排
第二章 人臉識(shí)別相關(guān)技術(shù)與嵌入式系統(tǒng)結(jié)構(gòu)分析
    2.1 圖像預(yù)處理
    2.2 人臉檢測(cè)
    2.3 人臉特征提取
        2.3.1 圖像局部特征提取
        2.3.2 主成分分析法（PCA）
    2.4 分類(lèi)器
        2.4.1 分類(lèi)器介紹
        2.4.2 影響分類(lèi)器錯(cuò)誤率的因素和評(píng)估方法
    2.5 嵌入式系統(tǒng)結(jié)構(gòu)分析
    2.6 本章小結(jié)
第三章 子模式GLHist-LP人臉識(shí)別算法
    3.1 子模式GLHist-LP人臉識(shí)別算法網(wǎng)絡(luò)結(jié)構(gòu)提出
    3.2 子模式GLHist-LP人臉識(shí)別算法網(wǎng)絡(luò)結(jié)構(gòu)分析
    3.3 主特征提取及降維
        3.3.1 基于子模式的Gabor特征提取
        3.3.2 改進(jìn)局部Gabor濾波器組
        3.3.3 改進(jìn)的Gabor特征降維
    3.4 輔特征提取及降維
        3.4.1 基于LBP特征的輔助網(wǎng)絡(luò)
        3.4.2 LBP特征降維
    3.5 主輔特征信息融合
    3.6 Adaboost人臉?lè)诸?lèi)算法
    3.7 本章小結(jié)
第四章 子模式GLHist-LP人臉識(shí)別算法訓(xùn)練與分析
    4.1 實(shí)驗(yàn)環(huán)境搭建
    4.2 人臉數(shù)據(jù)庫(kù)選擇與建立
    4.3 人臉圖像預(yù)處理
    4.4 人臉?lè)诸?lèi)模型訓(xùn)練
    4.5 人臉識(shí)別測(cè)試
    4.6 測(cè)試結(jié)果對(duì)比分析
    4.7 本章小結(jié)
第五章 子模式GLHist-LP人臉識(shí)別算法在嵌入式平臺(tái)實(shí)現(xiàn)
    5.1 系統(tǒng)平臺(tái)搭建
        5.1.1 交叉編譯環(huán)境建立
        5.1.2 BootLoader
        5.1.3 kernel和根文件系統(tǒng)
        5.1.4 QTE編譯
        5.1.5 OpenCV交叉編譯
        5.1.6 系統(tǒng)移植
        5.1.7 攝像頭驅(qū)動(dòng)與測(cè)試
    5.2 人臉識(shí)別Linux-QT應(yīng)用開(kāi)發(fā)
    5.3 子模式GLHist-LP人臉識(shí)別算法嵌入式Linux平臺(tái)移植
    5.4 嵌入式人臉識(shí)別測(cè)試
    5.5 本章小結(jié)
第六章 總結(jié)與展望
    6.1 總結(jié)
    6.2 展望
參考文獻(xiàn)
致謝
作者簡(jiǎn)介
    1. 基本情況
    2. 教育背景


【參考文獻(xiàn)】：
期刊論文
[1]基于灰度變化后閾值分割的絲帶檢測(cè)[J]. 楊永杰,陳香,唐鈺婷,包志華.  絲綢. 2013(09)
[2]基于S3C2410平臺(tái)與嵌入式Linux的圖像采集應(yīng)用[J]. 李侃,廖啟征.  微計(jì)算機(jī)信息. 2006(08)
[3]人臉檢測(cè)研究綜述[J]. 梁路宏,艾海舟,徐光祐,張鈸.  計(jì)算機(jī)學(xué)報(bào). 2002(05)

博士論文
[1]基于面部信息的駕駛者疲勞狀態(tài)分類(lèi)方法研究[D]. 杜勇.哈爾濱工業(yè)大學(xué) 2012
[2]基于雙向二維子空間分析的人臉特征提取[D]. 齊永鋒.西南交通大學(xué) 2011
[3]基于二維MB-LGBP特征的表情識(shí)別及其光照檢測(cè)研究[D]. 張錚.天津大學(xué) 2010
[4]計(jì)算機(jī)人臉檢測(cè)與識(shí)別方法的研究[D]. 俞王新.上海交通大學(xué) 2009

碩士論文
[1]基于嵌入式技術(shù)的人臉識(shí)別門(mén)禁系統(tǒng)設(shè)計(jì)與實(shí)現(xiàn)[D]. 司鳳玲.武漢紡織大學(xué) 2018
[2]基于行為分析的Android惡意軟件檢測(cè)方法研究[D]. 陳晨.北京交通大學(xué) 2018
[3]基于子空間學(xué)習(xí)的多視角步態(tài)識(shí)別算法研究[D]. 胡婷.大連海事大學(xué) 2018
[4]基于ARM的工業(yè)Web監(jiān)控系統(tǒng)研究與實(shí)現(xiàn)[D]. 丁律.江南大學(xué) 2017
[5]突發(fā)水域污染的移動(dòng)水質(zhì)監(jiān)測(cè)系統(tǒng)研究[D]. 曹宏桂.西安建筑科技大學(xué) 2017
[6]基于LBP特征的人臉識(shí)別算法研究與應(yīng)用[D]. 陳湘.湖南師范大學(xué) 2017
[7]基于深度學(xué)習(xí)的人臉表情識(shí)別算法研究[D]. 宋新慧.浙江大學(xué) 2017
[8]基于FPGA的AdaBoost手勢(shì)檢測(cè)算法的硬件架構(gòu)研究[D]. 馮永鵬.華南理工大學(xué) 2016
[9]基于高維特征的人臉認(rèn)證方法研究[D]. 李帥奇.電子科技大學(xué) 2016
[10]基于KNN算法的Android應(yīng)用異常檢測(cè)技術(shù)研究[D]. 劉曉明.北京交通大學(xué) 2016



本文編號(hào)：3016980