版權(quán)說(shuō)明:本文檔由用戶(hù)提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)
文檔簡(jiǎn)介
1、人臉檢測(cè)與識(shí)別技術(shù)是生物特征鑒別技術(shù)中研究最多和最熱門(mén)的技術(shù)之一,它已經(jīng)在身份認(rèn)證、安全檢查、罪犯查詢(xún)、人機(jī)交互等廣泛領(lǐng)域得到了初步應(yīng)用。 在人臉檢測(cè)研究中,構(gòu)建快速而精確的檢測(cè)方法一直是該領(lǐng)域的研究熱點(diǎn);在人臉識(shí)別研究中,如何克服獲取圖像光線、表情、視角等變化的影響,提高識(shí)別率則是迫切需要研究的問(wèn)題。針對(duì)這兩個(gè)問(wèn)題,本文以彩色和灰色正面人臉靜態(tài)圖像為研究對(duì)象,將模式識(shí)別理論和圖像處理技術(shù)相結(jié)合,重點(diǎn)研究基于LVQ人工神經(jīng)網(wǎng)絡(luò)(
2、ANN)的膚色像素檢測(cè)和基于模板匹配的人臉精確檢測(cè)方法,以及基于小波包分解(WPD)和(2D)2PCA的不同變化條件人膛圖像的識(shí)別方法,為建立快速精確的人臉識(shí)別系統(tǒng)提供技術(shù)依據(jù)。 本文的主要研究工作如下: (1)針對(duì)現(xiàn)有人臉檢測(cè)系統(tǒng)檢測(cè)精度和速度不平衡的問(wèn)題,提出了一種基于LVQANN的膚色檢測(cè)與基于模板匹配的精確人臉檢測(cè)相結(jié)合的方法。該方法在獲取膚色像素基礎(chǔ)上,采用基于全局搜索的Mosaic方法預(yù)定位人臉區(qū)域。以CVL
3、人臉庫(kù)圖像實(shí)驗(yàn)結(jié)果表明,LVQ ANN實(shí)現(xiàn)了較滿(mǎn)意的膚色像素檢測(cè)效果,又能提高檢測(cè)速度;Mosaic方法成功地實(shí)現(xiàn)了人臉區(qū)域的預(yù)定位。 (2)為在預(yù)定位人臉區(qū)域中實(shí)現(xiàn)精確的人臉檢測(cè),采用一種基于模板匹配的人臉檢測(cè)方法。該方法首先構(gòu)建基于R分量的標(biāo)準(zhǔn)灰度人臉模板,然后以相關(guān)性系數(shù)為匹配準(zhǔn)則,使用多尺寸人臉模板實(shí)現(xiàn)不同尺寸人臉的檢測(cè)。實(shí)驗(yàn)結(jié)果表明,CVL人臉庫(kù)中常態(tài)組、微笑組和大笑組的正確檢測(cè)率分別為100%、100%和93.6%;
4、與僅采用模板匹配法相比,檢測(cè)速度從1870.6s/幅提高到208.4s/幅。 (3)為解決從圖像小波包分解得到節(jié)點(diǎn)圖像中選取顯著節(jié)點(diǎn)困難的問(wèn)題,提出了采用(2D)2PCA和最鄰近分類(lèi)器測(cè)試所有節(jié)點(diǎn)圖像的正確識(shí)別率(CRRI),并依據(jù)識(shí)別率選取出“成功”節(jié)點(diǎn)圖像的方法。 (4)為了有效組合“成功”節(jié)點(diǎn)的特征矩陣,提出了一種測(cè)量測(cè)試圖像和庫(kù)圖像距離的方法。該方法以“成功”節(jié)點(diǎn)圖像特征矩陣的加權(quán)距離和,做為測(cè)試圖像和庫(kù)圖像的距
5、離,既考慮了全局和局部特征,又考慮了不同節(jié)點(diǎn)圖像的識(shí)別貢獻(xiàn)率,人臉識(shí)別實(shí)驗(yàn)結(jié)果表明該測(cè)量方法有效地提高了識(shí)別率。 (5)針對(duì)變化人臉圖像識(shí)別困難的問(wèn)題,提出了一種基于WPD和(2D)2PCA的人臉識(shí)別方法。首先,對(duì)圖像進(jìn)行小波包分解,采用(2D)2PCA和最鄰近分類(lèi)器得到子節(jié)點(diǎn)的正確識(shí)別率,選取具有較大識(shí)別率的節(jié)點(diǎn)作為“成功”節(jié)點(diǎn),然后,組合“成功”節(jié)點(diǎn)的特征矩陣,計(jì)算測(cè)試圖像與庫(kù)圖像的距離,最后,采用最鄰近分類(lèi)器實(shí)現(xiàn)識(shí)別。
6、 (6)以MATLAB7.0為工具編程實(shí)現(xiàn)基于WPD和(2D)2pCA的人臉識(shí)別方法,并以CMUPIE、Yale和UMIST人臉庫(kù)圖像為測(cè)試對(duì)象,分別進(jìn)行光照、表情和視角變化圖像的識(shí)別性能實(shí)驗(yàn),以原圖像采用(2D)2pCA和最鄰近分類(lèi)器的識(shí)別率為對(duì)比標(biāo)準(zhǔn),結(jié)果表明,本文方法在3個(gè)實(shí)驗(yàn)中的識(shí)別率均高于標(biāo)準(zhǔn)識(shí)別率,其中,光照變化時(shí)識(shí)別能力最好,最高識(shí)別率為98.795%;表情變化其次,最高為88.796%,視角變化最差,最高為36.04
7、7%。 (7)實(shí)驗(yàn)表明,距離尺度和小波函數(shù)的選取對(duì)多分辨率下節(jié)點(diǎn)的識(shí)別率有較大影響。L1在主體節(jié)點(diǎn)上的識(shí)別率高,而L2在細(xì)節(jié)節(jié)點(diǎn)上的識(shí)別率高;小波函數(shù)對(duì)不同條件圖像識(shí)別效果也各不相同。因此,要根據(jù)圖像變化條件選取節(jié)點(diǎn)、距離尺度和小波函數(shù)。由試驗(yàn)提出了如下選取規(guī)則:光照變化時(shí),采用L1和Daubechies4下的A1、A2、H2、V2、HH2組合;表情變化時(shí),采用L1和Haar下的A2。 (8)本文提出的方法在視角變化時(shí)效
溫馨提示
- 1. 本站所有資源如無(wú)特殊說(shuō)明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請(qǐng)下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請(qǐng)聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶(hù)所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁(yè)內(nèi)容里面會(huì)有圖紙預(yù)覽,若沒(méi)有圖紙預(yù)覽就沒(méi)有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫(kù)僅提供信息存儲(chǔ)空間,僅對(duì)用戶(hù)上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對(duì)用戶(hù)上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對(duì)任何下載內(nèi)容負(fù)責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請(qǐng)與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶(hù)因使用這些下載資源對(duì)自己和他人造成任何形式的傷害或損失。
最新文檔
- 基于多分辨率分析的人臉光照恢復(fù)方法.pdf
- 低分辨率人臉識(shí)別算法研究.pdf
- 運(yùn)動(dòng)目標(biāo)檢測(cè)與多分辨率跟蹤技術(shù).pdf
- 基于三維多分辨率形變模型的人臉識(shí)別算法研究.pdf
- 低分辨率監(jiān)控視頻下的行人再識(shí)別方法研究.pdf
- 基于多分辨率卷積網(wǎng)絡(luò)的交通標(biāo)志檢測(cè)與識(shí)別.pdf
- 高分辨率遙感圖像目標(biāo)識(shí)別方法研究.pdf
- 多分辨率圖像邊緣檢測(cè)技術(shù)研究與實(shí)現(xiàn).pdf
- 通信信號(hào)的多分辨率特征分析與調(diào)制識(shí)別研究.pdf
- 圖像多分辨率特征研究.pdf
- 人臉檢測(cè)與識(shí)別方法的研究.pdf
- 基于多分辨率分析的掌紋識(shí)別算法研究.pdf
- 低分辨率下紙幣的識(shí)別與污損檢測(cè).pdf
- 基于多分辨率分析的虹膜識(shí)別算法研究.pdf
- 人臉圖像超分辨率重建方法研究.pdf
- 圖像人臉檢測(cè)及超分辨率處理.pdf
- 移動(dòng)傳感系統(tǒng)多分辨率任務(wù)分發(fā)方法研究.pdf
- 低分辨率人臉識(shí)別技術(shù)及其應(yīng)用.pdf
- 視頻人臉檢測(cè)與識(shí)別方法研究.pdf
- 高分辨率遙感影像道路目標(biāo)智能識(shí)別方法研究.pdf
評(píng)論
0/150
提交評(píng)論