基于稀疏表示及字典学习的人脸检测与识别方法
发布时间：2022-12-03 22:18
人脸检测和识别技术可广泛应用于身份识别、人机交互、视频监控等多个领域。然而,由于受到变化的光照、角度、姿态和表情等复杂情况,以及数据高维度、训练样本受限等问题的影响,目前的人脸检测与识别技术仍面临许多难题和挑战。在过去的几十年里,大量的基于图像处理和机器学习的人脸检测与识别算法被提出并得到了成功应用,其中建立在压缩感知理论基础上的稀疏表示方法,由于其优异的数据降维、特征提取和分类识别性能,已成为近年来人脸识别领域的研究热点。本文在分析人脸检测与识别方法国内外发展现状的基础上,开展了基于稀疏表示及字典学习的人脸检测与识别方法的理论和实验研究,具有广阔的应用前景。研究了视频序列图像中人脸区域的有效检测问题,提出了一种基于区域相似性的人脸检测方法。首先以人脸目标轮廓和位置为依据,提取帧间关键信息,以感兴趣人脸检测窗为参考,划分出图像中疑似包含人脸的区域和不含人脸的区域;然后采用基于纹理、颜色的区域相似性计算结果进行区域合并与剔除,并使用非极大值抑制算法标记人脸检测窗。与传统的穷尽搜索单一策略相比,该方法可有效降低检测搜索空间,剔除图像中无关区域,提高检测效率。研究了高维人脸图像数据处理及有效...
【文章页数】：167 页
【学位级别】：博士
【文章目录】：
摘要
ABSTRACT
主要符号对照表
第一章 绪论
1.1 研究背景及意义
1.2 国内外研究现状与分析
1.2.1 人脸检测和识别技术发展历史
1.2.2 关键技术及存在的问题
1.3 本文研究内容及结构安排
第二章 区域相似性人脸检测方法
2.1 引言
2.2 相关理论基础
2.2.1 感兴趣区域提取方法
2.2.2 有选择性搜索的物体识别
2.3 区域相似性人脸检测方法
2.3.1 帧间关键信息提取
2.3.2 人脸搜索窗口选取
2.3.3 ICS-LBP纹理提取算子
2.3.4 区域相似性人脸检测方法
2.3.5 窗口融合方法
2.4 性能测试
2.4.1 ICS-LBP算法性能测试
2.4.2 区域相似性人脸检测模型性能测试
2.5 本章小结
第三章 基于流形约束KSVD的人脸识别
3.1 引言
3.2 经典的流形学习方法概述
3.2.1 等距映射算法(ISOMAP)
3.2.2 局部线性嵌入算法(LLE)
3.2.3 局部切空间对齐算法(LTSA)
3.2.4 基于多层神经网络的自编码算法(MA)
3.3 MC-KSVD字典学习方法
3.3.1 MC-KSVD的数学模型
3.3.2 MC-KSVD的优化过程
3.4 基于MC-KSVD的数据降维和重构及分类方法
3.4.1 基于MC-KSVD的数据降维
3.4.2 基于MC-KSVD的数据重构
3.4.3 基于MC-KSVD的数据分类
3.5 实验及结果分析
3.5.1 参数设置
3.5.2 数据降维实验
3.5.3 数据重构实验
3.5.4 分类识别实验
3.6 小结
第四章 面向小样本的稀疏人脸识别方法
4.1 引言
4.2 稀疏重构算法
4.2.1 IHT算法
4.2.2 改进的IHT算法
4.3 IIHT-KSVD及IJSR分类算法
4.3.1 IIHT-KSVD算法的数学模型
4.3.2 IIHT-KSVD算法的优化过程
4.3.3 IJSR分类模型
4.3.4 重构和分类策略
4.4 实验及结果分析
4.4.1 参数设置
4.4.2 IIHT算法性能分析
4.4.3 字典重构实验
4.4.4 不同数据集上的识别性能比较
4.4.5 不同样本下的字典学习方法性能比较
4.5 小结
第五章 基于多特征融合的多角度人脸识别方法
5.1 引言
5.2 方法的整体框架
5.3 人脸特征提取
5.3.1 全局特征提取
5.3.2 局部特征提取
5.3.3 特征融合
5.4 人脸特征识别
5.4.1 经典的分类器设计
5.4.2 K-MSRC分类算法
5.5 实验及结果分析
5.5.1 参数设置
5.5.2 人脸特征描述方法的性能比较
5.5.3 K-MSRC分类器性能比较
5.6 小结
第六章 面向多样本的稀疏人脸识别方法
6.1 引言
6.2 基于流形约束卷积稀疏编码的特征提取
6.2.1 CSC特征描述
6.2.2 MC-CSC特征描述
6.2.3 MC-CSC的优化过程
6.3 基于改进相关滤波器的分类识别
6.3.1 经典的相关滤波器
6.3.2 改进的相关滤波分类器
6.4 实验及结果分析
6.4.1 参数设置
6.4.2 CSC与MC-CSC的性能比较
6.4.3 不同数据集上的识别性能比较
6.5 小结
第七章 总结与展望
7.1 总结
7.2 展望
参考文献
作者在攻读博士学位期间公开发表的论文
作者在攻读博士学位期间所作的项目
致谢
【参考文献】：
期刊论文
[1]改进核相关滤波的运动目标跟踪算法[J]. 邢运龙,李艾华,崔智高,方浩. 红外与激光工程. 2016(S1)
[2]基于局部约束字典学习的数据降维和重构方法[J]. 刘丽娜,马世伟,温加睿. 仪器仪表学报. 2016(01)
[3]基于迭代加权lq范数最小化的稀疏阵列综合方法[J]. 曹华松,陈金立,李家强,葛俊祥. 科学技术与工程. 2015(26)
[4]行人检测中非极大值抑制算法的改进[J]. 陈金辉,叶西宁. 华东理工大学学报(自然科学版). 2015(03)
[5]基于字典学习的不同光照和姿态的人脸识别技术研究[J]. 刘海,曾东海. 科技通报. 2015(05)
[6]基于HOG和SVM的公交乘客人流量统计算法[J]. 徐超,高梦珠,查宇锋,曹利民. 仪器仪表学报. 2015(02)
[7]基于自适应聚类流形学习的增量样本降维与识别[J]. 杨静林,唐林波,宋丹,赵保军. 系统工程与电子技术. 2015(01)
[8]基于旋转不变稀疏表示和流形学习的图像降噪[J]. 汤一彬,徐宁,姚澄,朱昌平,周琳. 仪器仪表学报. 2014(05)
[9]基于DS-Adaboost算法的人脸检测[J]. 叶俊,张正军. 计算机科学. 2013(S2)
[10]融合LLE和ISOMAP的非线性降维方法[J]. 张少龙,巩知乐,廖海斌. 计算机应用研究. 2014(01)
本文编号：3707087
【文章页数】：167 页
【学位级别】：博士
【文章目录】：
摘要
ABSTRACT
主要符号对照表
第一章 绪论
1.1 研究背景及意义
1.2 国内外研究现状与分析
1.2.1 人脸检测和识别技术发展历史
1.2.2 关键技术及存在的问题
1.3 本文研究内容及结构安排
第二章 区域相似性人脸检测方法
2.1 引言
2.2 相关理论基础
2.2.1 感兴趣区域提取方法
2.2.2 有选择性搜索的物体识别
2.3 区域相似性人脸检测方法
2.3.1 帧间关键信息提取
2.3.2 人脸搜索窗口选取
2.3.3 ICS-LBP纹理提取算子
2.3.4 区域相似性人脸检测方法
2.3.5 窗口融合方法
2.4 性能测试
2.4.1 ICS-LBP算法性能测试
2.4.2 区域相似性人脸检测模型性能测试
2.5 本章小结
第三章 基于流形约束KSVD的人脸识别
3.1 引言
3.2 经典的流形学习方法概述
3.2.1 等距映射算法(ISOMAP)
3.2.2 局部线性嵌入算法(LLE)
3.2.3 局部切空间对齐算法(LTSA)
3.2.4 基于多层神经网络的自编码算法(MA)
3.3 MC-KSVD字典学习方法
3.3.1 MC-KSVD的数学模型
3.3.2 MC-KSVD的优化过程
3.4 基于MC-KSVD的数据降维和重构及分类方法
3.4.1 基于MC-KSVD的数据降维
3.4.2 基于MC-KSVD的数据重构
3.4.3 基于MC-KSVD的数据分类
3.5 实验及结果分析
3.5.1 参数设置
3.5.2 数据降维实验
3.5.3 数据重构实验
3.5.4 分类识别实验
3.6 小结
第四章 面向小样本的稀疏人脸识别方法
4.1 引言
4.2 稀疏重构算法
4.2.1 IHT算法
4.2.2 改进的IHT算法
4.3 IIHT-KSVD及IJSR分类算法
4.3.1 IIHT-KSVD算法的数学模型
4.3.2 IIHT-KSVD算法的优化过程
4.3.3 IJSR分类模型
4.3.4 重构和分类策略
4.4 实验及结果分析
4.4.1 参数设置
4.4.2 IIHT算法性能分析
4.4.3 字典重构实验
4.4.4 不同数据集上的识别性能比较
4.4.5 不同样本下的字典学习方法性能比较
4.5 小结
第五章 基于多特征融合的多角度人脸识别方法
5.1 引言
5.2 方法的整体框架
5.3 人脸特征提取
5.3.1 全局特征提取
5.3.2 局部特征提取
5.3.3 特征融合
5.4 人脸特征识别
5.4.1 经典的分类器设计
5.4.2 K-MSRC分类算法
5.5 实验及结果分析
5.5.1 参数设置
5.5.2 人脸特征描述方法的性能比较
5.5.3 K-MSRC分类器性能比较
5.6 小结
第六章 面向多样本的稀疏人脸识别方法
6.1 引言
6.2 基于流形约束卷积稀疏编码的特征提取
6.2.1 CSC特征描述
6.2.2 MC-CSC特征描述
6.2.3 MC-CSC的优化过程
6.3 基于改进相关滤波器的分类识别
6.3.1 经典的相关滤波器
6.3.2 改进的相关滤波分类器
6.4 实验及结果分析
6.4.1 参数设置
6.4.2 CSC与MC-CSC的性能比较
6.4.3 不同数据集上的识别性能比较
6.5 小结
第七章 总结与展望
7.1 总结
7.2 展望
参考文献
作者在攻读博士学位期间公开发表的论文
作者在攻读博士学位期间所作的项目
致谢
【参考文献】：
期刊论文
[1]改进核相关滤波的运动目标跟踪算法[J]. 邢运龙,李艾华,崔智高,方浩. 红外与激光工程. 2016(S1)
[2]基于局部约束字典学习的数据降维和重构方法[J]. 刘丽娜,马世伟,温加睿. 仪器仪表学报. 2016(01)
[3]基于迭代加权lq范数最小化的稀疏阵列综合方法[J]. 曹华松,陈金立,李家强,葛俊祥. 科学技术与工程. 2015(26)
[4]行人检测中非极大值抑制算法的改进[J]. 陈金辉,叶西宁. 华东理工大学学报(自然科学版). 2015(03)
[5]基于字典学习的不同光照和姿态的人脸识别技术研究[J]. 刘海,曾东海. 科技通报. 2015(05)
[6]基于HOG和SVM的公交乘客人流量统计算法[J]. 徐超,高梦珠,查宇锋,曹利民. 仪器仪表学报. 2015(02)
[7]基于自适应聚类流形学习的增量样本降维与识别[J]. 杨静林,唐林波,宋丹,赵保军. 系统工程与电子技术. 2015(01)
[8]基于旋转不变稀疏表示和流形学习的图像降噪[J]. 汤一彬,徐宁,姚澄,朱昌平,周琳. 仪器仪表学报. 2014(05)
[9]基于DS-Adaboost算法的人脸检测[J]. 叶俊,张正军. 计算机科学. 2013(S2)
[10]融合LLE和ISOMAP的非线性降维方法[J]. 张少龙,巩知乐,廖海斌. 计算机应用研究. 2014(01)
本文编号：3707087
本文链接：https://www.wllwen.com/kejilunwen/sousuoyinqinglunwen/3707087.html
