人臉識別是生物識別技術(shù)中應(yīng)用前景最廣闊的技術(shù),其有以下優(yōu)點(diǎn)比如符合人“以貌取人”的認(rèn)知規(guī)律,識別精度高,非接觸式識別等等,而隨著市場需求對算法精度的要求越來越高,光照、姿態(tài)、表情、遮擋等非限制因素在影響人臉識別系統(tǒng)性能的因素中占的比重也越來越大。為了抑制非限制因素的影響并且提高現(xiàn)實(shí)場景中人臉識別系統(tǒng)的魯棒性,雙模態(tài)或者多模態(tài)人臉圖像的融合識別問題成為需迫切解決的問題之一。雖然目前在融合識別領(lǐng)域有很多的工作,但在非約束條件下的性能還有待進(jìn)一步提升,針對這一問題,本文首先從互補(bǔ)的識別信息應(yīng)設(shè)計不同的特征提取器的思想出發(fā),創(chuàng)新地提出了兩種算法,并分別利用決策層和得分層融合技術(shù)融合互補(bǔ)的特征。其次,從分類的角度出發(fā),引入基于稀疏表示的分類算法,并提出具有判別性和較低計算復(fù)雜度的融合模型。一方面其他模態(tài)的已標(biāo)注人臉圖像相較于可見光模態(tài)人臉圖像來說規(guī)模太小,并且如何利用現(xiàn)有的大規(guī)�？梢姽鈹�(shù)據(jù)來構(gòu)建其他模態(tài)圖像的數(shù)據(jù)集的問題,可以轉(zhuǎn)換成異質(zhì)（以與可見光成像原理不同的方式獲取的圖像）圖像或者說雙模態(tài)圖像跨域識別問題,而另一方面隨著應(yīng)用場景的不斷更新,市場上待識別圖像的模態(tài)已經(jīng)不僅僅局限于可見光波段。近... 

【文章來源】：江西科技師范大學(xué)江西省

【文章頁數(shù)】：70 頁

【學(xué)位級別】：碩士

【文章目錄】：
摘要
abstract
第1章 緒論
    1.1 研究背景及意義
    1.2 國內(nèi)外研究現(xiàn)狀
        1.2.1 多模態(tài)生物特征融合識別
        1.2.2 異質(zhì)人臉跨域識別
        1.2.3 對抗判別域適應(yīng)
        1.2.4 常用數(shù)據(jù)庫
    1.3 本文主要研究內(nèi)容以及結(jié)構(gòu)安排
        1.3.1 論文的主要內(nèi)容及貢獻(xiàn)
        1.3.2 論文的結(jié)構(gòu)安排
第2章 計算機(jī)視覺中的深度學(xué)習(xí)基礎(chǔ)及模型
    2.1 卷積神經(jīng)網(wǎng)絡(luò)架構(gòu)
        2.1.1 卷積層
        2.1.2 池化層
        2.1.3 激活層
        2.1.4 損失層
    2.2 深度人臉識別框架
    2.3 生成式對抗網(wǎng)絡(luò)
    2.4 本章小結(jié)
第3章 近紅外和可見光融合人臉識別
    3.1 基于LBP和DCT的近紅外和可見光融合人臉識別
        3.1.1 LBP特征描述子
        3.1.2 離散余弦變換(DCT)
        3.1.3 提出方法
        3.1.4 實(shí)驗(yàn)
        3.1.5 結(jié)論
    3.2 基于非下采樣輪廓波變換的近紅外和可見光融合人臉識別
        3.2.1 非下采樣輪廓波變換(Non-subsampled Contourlet Transform)
        3.2.2 LGBPH
        3.2.3 基于NSCT和LGBPH的特征提取
        3.2.4 提出方法
        3.2.5 實(shí)驗(yàn)
        3.2.6 結(jié)論
    3.3 基于稀疏表示的近紅外和可見光融合人臉識別
        3.3.1 稀疏表示
        3.3.2 提出方法
        3.3.3 實(shí)驗(yàn)
        3.3.4 模型參數(shù)評估
        3.3.5 結(jié)論
    3.4 本章小結(jié)
第4章 基于對抗判別域適應(yīng)的近紅外與可見光人臉異質(zhì)識別
    4.1 對抗判別域適應(yīng)
    4.2 網(wǎng)絡(luò)參數(shù)設(shè)置及實(shí)驗(yàn)結(jié)果和分析
    4.3 本章小結(jié)
第5章 結(jié)論與展望
參考文獻(xiàn)
攻讀學(xué)位期間的研究成果及所獲榮譽(yù)
致謝



本文編號：3641042