隨著信息技術(shù)和互聯(lián)網(wǎng)技術(shù)的發(fā)展,身份認(rèn)證和鑒別逐漸成為當(dāng)今互聯(lián)網(wǎng)時(shí)代的研究重點(diǎn),而人臉識(shí)別技術(shù)在身份認(rèn)證方面有著獨(dú)特的優(yōu)勢(shì)。目前人臉識(shí)別已經(jīng)成功的應(yīng)用于安防監(jiān)控、人臉支付、公司打卡等領(lǐng)域。但僅限在限制條件下才取得良好的識(shí)別效果,在非限制條件下仍然不盡人意,尤其是在遮擋條件下,由于其復(fù)雜性,到目前為止還未取得很好的效果。本文針對(duì)局部遮擋下的人臉識(shí)別方法開(kāi)展研究,有以下工作和創(chuàng)新點(diǎn):1.以SRC分類(lèi)器和CRC分類(lèi)器為基礎(chǔ),從誤差概率分布和協(xié)同表示的角度,提出一種基于誤差加權(quán)和協(xié)同表示的分類(lèi)器（EW-CR）。將遮擋部分視為無(wú)遮擋原人臉圖像的誤差,再對(duì)各像素點(diǎn)賦予相應(yīng)的權(quán)重,減小遮擋所帶來(lái)的影響。重構(gòu)系數(shù)?可能會(huì)因?yàn)榫植刻卣鞯南嗨菩远鴮?duì)非識(shí)別類(lèi)“過(guò)度表達(dá)”,因此,采用2l范數(shù)來(lái)對(duì)其進(jìn)行“抑制”,從而使得更多的同類(lèi)樣本來(lái)表達(dá)測(cè)試樣本,進(jìn)而提高識(shí)別率。實(shí)驗(yàn)證明,EW-CR分類(lèi)器在光照、表情、遮擋下有良好的魯棒性,在AR數(shù)據(jù)集、Extend Yale B數(shù)據(jù)集、FLW數(shù)據(jù)集上分別取得99.33%、96.00%、78.64%的識(shí)別率,與最新同類(lèi)型算法比較,分別提升了0.93%、2.80%、2.24%。... 

【文章來(lái)源】：重慶郵電大學(xué)重慶市

【文章頁(yè)數(shù)】：68 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

Gamma校正示意圖

重慶郵電大學(xué)碩士學(xué)位論文第2章人臉識(shí)別過(guò)程11圖2.3Gamma校正圖像（左為原圖，右為校正后的圖）3.構(gòu)建梯度方向直方圖，獲取塊的HOG特征。以圖2.4為例，圖2.4的大小為80×80像素，每5×5像素組成一個(gè)cell，如圖2.4中每個(gè)黑色方框所示，每2×2個(gè)cell組成一個(gè)塊，如圖2.4中紅色方框所示，以5個(gè)像素為步長(zhǎng)，水平方向和垂直方向上都是15個(gè)掃描窗口。首先把組距bin設(shè)置為9，每個(gè)5×5個(gè)像素點(diǎn)中，把梯度方向?qū)儆谕粋�(gè)范圍的對(duì)應(yīng)梯度值疊加起來(lái)，形成一個(gè)方向梯度直方圖，然后把縱坐標(biāo)按順序進(jìn)行編碼，得到每個(gè)cell的HOG特征；然后依次把2×2個(gè)cell的特征向量串聯(lián)起來(lái)，得到一個(gè)塊的HOG特征，維數(shù)為49。4.獲取最終的HOG特征。由于局部光照變化，使得梯度強(qiáng)度的變化范圍非常大，所以首先用2l范數(shù)對(duì)每塊的HOG特征進(jìn)行歸一化，進(jìn)一步對(duì)光照、陰影和邊緣進(jìn)行壓縮；然后將每個(gè)歸一化后的HOG特征串聯(lián)起來(lái)，構(gòu)成這張圖像的HOG特征，對(duì)于一張80×80的圖像，最終的HOG特征維數(shù)為36×15×15=8100。2.2.2Gabor小波變換Gabor變換是以Fourier變換為基礎(chǔ)發(fā)展起來(lái)的[45]，與Fourier變換不同的是，Gabor變換屬于局部變換，它可以有效的從不同尺度和方向上提取圖像的局部信息。它的優(yōu)點(diǎn)有如下幾點(diǎn)：1.參數(shù)選取的靈活性，可以非常容易的調(diào)整頻率、帶寬、濾波方向等參數(shù)，從而提高它在時(shí)域和頻域上的分辨能力；2.多分辨率特性，在對(duì)圖像提取特征時(shí)，通常會(huì)從多方向和多尺度進(jìn)行提取，這樣可以獲取圖像的多種局部信息，后續(xù)可以篩選出需要的信息；

重慶郵電大學(xué)碩士學(xué)位論文第2章人臉識(shí)別過(guò)程123.光照不變特征，Gabor小波對(duì)光照不敏感，可以減少后續(xù)分類(lèi)過(guò)程中光照對(duì)識(shí)別結(jié)果的影響。圖2.4提取HOG特征時(shí)的分塊情況示意圖一個(gè)典型的二維Gabor濾波函數(shù)的復(fù)數(shù)形式可以用公式(2.4)和(2.5)來(lái)表示，通過(guò)歐拉公式，還可以將函數(shù)的實(shí)部和虛部分別由公式(2.6)和(2.7)來(lái)描述。2222,,,22,expexpexp22uvuvuvuvkkzgzikz(2.4),cossinvuuvvukkk(2.5)2222,,,22,Re,expcosexp22uvuvuvuvkkzgxykz(2.6)222,,,22,Im,expsin2uvuvuvuvkkzgxykz(2.7)其中zx,y，是輸入圖像的像素坐標(biāo)點(diǎn)，u是決定濾波核的方向的方向因子，在人臉識(shí)別問(wèn)題中，通常u0,1,,7；v是決定濾波核大小的尺度因子，通常v0,1,,4；maxvvkkf，f為頻率域中的采樣步長(zhǎng)，通常取f2，maxk對(duì)應(yīng)最大的采樣頻率，通常取maxk2；8uu；是高斯窗的的尺度因子，控制濾


本文編號(hào)：3382034