近年來,隨著科技的進(jìn)步,基于生物的身份識別技術(shù)被大量應(yīng)用于身份識別系統(tǒng)中。如基于虹膜的身份識別、基于指紋的身份識別、基于人臉的身份識別。人臉識別主要通過對人臉特征的分析來確定人的身份。它具有自然性、方便性、非接觸性的特點(diǎn),是最簡單自然的一種識別技術(shù)。雖然在智能安防、考試系統(tǒng)、交通管理等方面得到了應(yīng)用,但人臉識別的準(zhǔn)確率仍然受姿勢、光照、噪聲等外部因素的影響且傳統(tǒng)的算法提取的人臉特征判別性不強(qiáng),還過多的依賴于人工選擇。所以,如何有效的確定人的身份,降低外部因素的影響,提高識別率,在人臉識別研究中有著重要的意義。通過對現(xiàn)存人臉識別算法的研究,針對現(xiàn)有人臉識別研究所存在的問題提出了一種自適應(yīng)的LTFP特征提取算法以及一種自適應(yīng)LTFP和深度信念網(wǎng)絡(luò)（DBN）的人臉識別算法,并通過實(shí)驗(yàn)驗(yàn)證自適應(yīng)LTFP和DBN算法性能,最后利用本文提出的算法設(shè)計(jì)實(shí)現(xiàn)了一個身份識別系統(tǒng)。下面介紹本文的主要工作:首先,通過研究局部二值模式（LBP）與局部三值模式（LTP）對人臉圖像進(jìn)行特征提取的過程及存在的問題,提出了一種改進(jìn)的LBP算法—基于自適應(yīng)LTFP算子的特征提取算法。它是先對人臉圖像特征進(jìn)行自適應(yīng)閾值的... 

【文章來源】：中國石油大學(xué)(華東)山東省 211工程院校 教育部直屬院校

【文章頁數(shù)】：68 頁

【學(xué)位級別】：碩士

【部分圖文】：

Haar-like特征的基本形式

中國石油大學(xué)（華東）全日制工程碩士學(xué)位論文17[17-19]。它的核心思想是定義一個像素為3*3的鄰域，鄰域內(nèi)含有9個灰度像素值，把中間點(diǎn)像素值gc與四周區(qū)域像素點(diǎn)值gb進(jìn)行大小比較，如果gb大于gc就記錄為1，反之記錄為0。經(jīng)過一圈的比較后，將比對完成的0，1值以鄰域左上角為起始端依次進(jìn)行記錄，得到LBP的二進(jìn)制編碼值，然后進(jìn)行數(shù)制轉(zhuǎn)換得到十進(jìn)制編碼值，加入到統(tǒng)計(jì)直方圖中，就能夠?qū)⒃紙D像通過統(tǒng)計(jì)直方圖特征向量表達(dá)出來。公式(2-13)為基本LBP的數(shù)學(xué)計(jì)算公式：70(,)2()kcbbckLBPggGgg(2-13)elsexifxG,00,1)((2-14)其中g(shù)c為區(qū)域內(nèi)中間像素點(diǎn)的值，gb為區(qū)域內(nèi)四周像素點(diǎn)的值，G(x)為一個符號函數(shù)。根據(jù)公式其編碼過程，如下圖2-6所示，圖中中間像素值為6，鄰域內(nèi)的其他像素值分別為5、10、6、5、2、8、7、4。經(jīng)過LBP編碼獲得LBP模式為01100110，轉(zhuǎn)化為十進(jìn)制為102。圖2-6LBP算子的編碼過程Fig2-6TheencodingprocessoftheLBPoperator這樣獲得的紋理特征，當(dāng)灰度平移時，鄰域周圍的像素值相對于區(qū)域中間像素值不會發(fā)生變化，即灰度不變性，但算子只能表示一種尺度的紋理特征。隨后Ojala等人把LBP的鄰域范圍由原來的3*3的方形鄰域擴(kuò)展成半徑為R的圓域，并在圓形內(nèi)選取P個采樣點(diǎn)和中間像素點(diǎn)構(gòu)成區(qū)域。如果采樣點(diǎn)不是整數(shù)時，可以通過雙線性差值法獲得該采樣點(diǎn)的估計(jì)值。如下圖2-7所示表示線性插值法。公式(2-15)、(2-16)表示x軸進(jìn)行插值的計(jì)算公式。如果要計(jì)算P的值，首先根據(jù)公式(2-15)、(2-16)計(jì)算x軸1R、2R的值，再根據(jù)(2-17)計(jì)算獲得p點(diǎn)的值。)()()(21121111221QfxxxxQfxxxxRf(2-15)

第二章相關(guān)背景知識介紹18其中，11R(x,y)。)()()(22121121222QfxxxxQfxxxxRf(2-16)其中，22R(x,y)。)()()(21211122RfyyyyRfyyyypf(2-17)圖2-7線性插值法Fig2-7Linearinterpolation圓形的LBP的計(jì)算公式和方形LBP的計(jì)算公式是相似的，不過在獲取LBP時，先對其進(jìn)行旋轉(zhuǎn)，得到p個不同的二值編碼值，然后從這p個值中選取最小的一個作為該圓形區(qū)域的二值編碼值。如圖2-8表示旋轉(zhuǎn)不變性的圓形LBP的編碼過程。圖2-8旋轉(zhuǎn)不變性的圓形LBP編碼過程Fig2-8RotationinvariantroundLBPencodingprocess圖中選擇了8個采樣點(diǎn)，通過旋轉(zhuǎn)分別獲得225、240、120、60、30、15、135、195

【參考文獻(xiàn)】：
期刊論文
[1]一種基于局部三值模式的深度學(xué)習(xí)人臉識別算法[J]. 鄭秋梅,謝換麗,王風(fēng)華,蘇政,劉真.  計(jì)算機(jī)與現(xiàn)代化. 2018(02)
[2]一種多特征提取及融合的虹膜識別方法[J]. 張震,劉博,李龍.  鄭州大學(xué)學(xué)報(工學(xué)版). 2017(01)
[3]基于主成分分析（PCA）的人臉識別算法研究[J]. 趙來元,高鴻彬,李媛.  電子世界. 2017(02)
[4]基于深度學(xué)習(xí)的人臉識別方法研究綜述[J]. 楊巨成,劉娜,房珊珊,謝迎.  天津科技大學(xué)學(xué)報. 2016(06)
[5]基于微調(diào)優(yōu)化的深度學(xué)習(xí)在語音識別中的應(yīng)用[J]. 彭玉青,劉帆,高晴晴,張媛媛,閆倩.  鄭州大學(xué)學(xué)報(理學(xué)版). 2016(04)
[6]一種自適應(yīng)加權(quán)HOG特征的人臉識別算法[J]. 胡麗喬,仇潤鶴.  計(jì)算機(jī)工程與應(yīng)用. 2017(03)
[7]基于深度玻爾茲曼機(jī)的文本特征提取研究[J]. 張立民,劉凱.  微電子學(xué)與計(jì)算機(jī). 2015(02)
[8]生物特征識別技術(shù)的實(shí)現(xiàn)原理與前景分析[J]. 滿江月.  中國安防. 2014(11)
[9]生物識別:身份認(rèn)證的第六道“令牌”[J]. 李剛.  中國信息安全. 2013(03)
[10]局部二值模式方法研究與展望[J]. 宋克臣,顏云輝,陳文輝,張旭.  自動化學(xué)報. 2013(06)

碩士論文
[1]基于OpenCV的智能視頻監(jiān)控系統(tǒng)設(shè)計(jì)[D]. 姜濤.江蘇科技大學(xué) 2017
[2]基于深度學(xué)習(xí)的人臉識別技術(shù)研究[D]. 錢程.西南交通大學(xué) 2017
[3]基于LBP和深度學(xué)習(xí)的人臉特征提取[D]. 王蕓蕓.蘭州理工大學(xué) 2016
[4]基于人臉識別身份驗(yàn)證系統(tǒng)的研究與實(shí)現(xiàn)[D]. 徐向茹.電子科技大學(xué) 2016
[5]基于深度學(xué)習(xí)的人臉識別方法的研究[D]. 池燕玲.福建師范大學(xué) 2015
[6]基于Adaboost人臉檢測算法的研究及實(shí)現(xiàn)[D]. 徐信.太原理工大學(xué) 2015
[7]基于深度學(xué)習(xí)的多形態(tài)人臉識別[D]. 王瑩.大連理工大學(xué) 2015
[8]基于HOG特征的人臉識別方法的研究與實(shí)現(xiàn)[D]. 周天薈.北京建筑大學(xué) 2014
[9]LBP和深度信念網(wǎng)絡(luò)在非限制條件下人臉識別研究[D]. 劉銀華.五邑大學(xué) 2014
[10]基于AdaBoost算法的人臉檢測研究[D]. 李長風(fēng).蘭州理工大學(xué) 2014



本文編號：3481177