人脸识别中的特征提取与度量学习算法研究
发布时间：2021-12-30 20:20
人脸识别是人类非常重要的感知能力。随着计算机技术的发展,人类渴望赋予计算机理解情感、感知外部世界的能力,自动人脸识别技术的研究应运而生。人脸识别研究具有重大的理论意义和应用价值。人脸识别研究既可以促进心理学上对人类自身人脸识别机制的研究,也可以促进图像识别技术的研究,帮助实现人工智能。人脸识别技术广泛地应用在民用安防、公共安全、娱乐、客户服务等领域。由于人脸图像会受到光照、姿态等外部因素和表情、年龄等内部因素的影响,另外,有些人的人脸很相似。这些因素会增加人脸图像的类内差异性和类间相似性,给识别带来很大的困难。所以,人脸识别非常具有挑战性,现在的人脸识别技术水平还达不到很多应用的需求,需要进行持续的创新性研究。本文主要对人脸识别中的特征提取和识别问题进行了深入研究。它们是人脸识别系统的核心。在特征提取上,本文主要研究主流的相对系统的Gabor类特征和LBP （Local Binary Patterns）类特征,分析它们的优势和存在的问题,然后提出相应的改进型特征。在识别上,本文主要研究度量学习方法,提出了一个概率度量学习的框架和两种具体的度量学习算法。具体的研究工作如下：（1）针对Ga...
【文章来源】：北京邮电大学北京市 211工程院校 教育部直属院校
【文章页数】：117 页
【学位级别】：博士
【部分图文】：
图１－３人脸识别系统的流程??
但是，计算机所计算的数学上的相似度会与人类所定义的语义上的相似度存??在很大的差别。语义鸿沟就是指计算机从图像中感知和理解的低层信息与人类从图像中??感知和理解的语义信息不一致。为了跨越语义鸿沟，如图１－４所示，在图像识别中，计??算机是通过图像预处理、特征提取、特征变换和识别的过程逐步进行的，该过程中信息??流逐渐由低层的图像信息变成高层的语义信息，其中，人类的作用是需要根据自己的经??验知识设计每一步的规则，指导计算机进行操作，レッ改变计算机每一步的输出信息。由??于计算机每一步都接受了人类的经验知识，而设些经验知识越来越与具体的识别目标相??关，所Ｗ输出的信息就越来越接近人类的语义。??图像预处理、特征提取、特征变换和识别是相互合作的一个整体，都是为了跨越语??义鸿沟，提高识别效果。它们是相互影响的，比如，如果特征提取的效果不好，识别部??分的难度就会比较大
?Ｉ?ＮＮＮＮ??图２－２?ＦＥＲＥＴ测试协议［１］??引入目标集和查询集概念的好处是可Ｗ灵活地设计模板库（Ｇａｌｌｅｒｙ）和探测集??（Ｐｒｏｂｅ?Ｓｅｔ）。模板库是目标集的子集，所Ｗ目标集中可Ｗ构造多个模板库，分别对应??不同大小的库。探测集是查询集的子集，所查询集中也可Ｗ构造多个探测集，测试??不同因素的影响。具体地，在通用的ＦＥ民ＥＴ测试中，模板集采用Ｆａ，探测集有四??个，分别是巧、Ｆｃ、Ｄｕｐ．Ｉ和Ｄｕｐ．ＩＩ。其中，化反映了表情的变化，Ｆｃ反映了光照的??变化，Ｄｕｐ．Ｉ反映的变化比较多，主要是年齡，Ｄｕｐ．ＩＩ反映的变化与Ｄｕｐ．Ｉ—样，但比??Ｄｕｐ．Ｉ更强烈。测试就吾将四个探测集分别与目标集进行匹配。对于辨识任务，最全面??的性能准则是ＣＭＣ曲线（Ｃｕｍｕｌａｔｉｖｅ?Ｍａｔｃｈ?Ｃｈａｒａｃｔｅｒｉｓｔｉｃ?Ｃｕｒｖｅ）
【参考文献】：
期刊论文
[1]人脸识别综述与展望[J]. 祝秀萍,吴学毅,刘文峰. 计算机与信息技术. 2008(04)
[2]人脸识别综述与展望[J]. 祝秀萍,吴学毅,刘文峰. 计算机与信息技术. 2008 (04)
[3]人脸识别技术综述[J]. 张翠平,苏光大. 中国图象图形学报. 2000(11)
[4]人脸自动识别方法综述[J]. 周杰,卢春雨,张长水,李衍达. 电子学报. 2000(04)
博士论文
[1]高精度人脸识别算法研究[D]. 邓伟洪.北京邮电大学 2009
[2]人脸识别中若干关键问题的研究[D]. 山世光.中国科学院研究生院（计算技术研究所） 2004
本文编号：3558903
【文章来源】：北京邮电大学北京市 211工程院校 教育部直属院校
【文章页数】：117 页
【学位级别】：博士
【部分图文】：
图１－３人脸识别系统的流程??
但是，计算机所计算的数学上的相似度会与人类所定义的语义上的相似度存??在很大的差别。语义鸿沟就是指计算机从图像中感知和理解的低层信息与人类从图像中??感知和理解的语义信息不一致。为了跨越语义鸿沟，如图１－４所示，在图像识别中，计??算机是通过图像预处理、特征提取、特征变换和识别的过程逐步进行的，该过程中信息??流逐渐由低层的图像信息变成高层的语义信息，其中，人类的作用是需要根据自己的经??验知识设计每一步的规则，指导计算机进行操作，レッ改变计算机每一步的输出信息。由??于计算机每一步都接受了人类的经验知识，而设些经验知识越来越与具体的识别目标相??关，所Ｗ输出的信息就越来越接近人类的语义。??图像预处理、特征提取、特征变换和识别是相互合作的一个整体，都是为了跨越语??义鸿沟，提高识别效果。它们是相互影响的，比如，如果特征提取的效果不好，识别部??分的难度就会比较大
?Ｉ?ＮＮＮＮ??图２－２?ＦＥＲＥＴ测试协议［１］??引入目标集和查询集概念的好处是可Ｗ灵活地设计模板库（Ｇａｌｌｅｒｙ）和探测集??（Ｐｒｏｂｅ?Ｓｅｔ）。模板库是目标集的子集，所Ｗ目标集中可Ｗ构造多个模板库，分别对应??不同大小的库。探测集是查询集的子集，所查询集中也可Ｗ构造多个探测集，测试??不同因素的影响。具体地，在通用的ＦＥ民ＥＴ测试中，模板集采用Ｆａ，探测集有四??个，分别是巧、Ｆｃ、Ｄｕｐ．Ｉ和Ｄｕｐ．ＩＩ。其中，化反映了表情的变化，Ｆｃ反映了光照的??变化，Ｄｕｐ．Ｉ反映的变化比较多，主要是年齡，Ｄｕｐ．ＩＩ反映的变化与Ｄｕｐ．Ｉ—样，但比??Ｄｕｐ．Ｉ更强烈。测试就吾将四个探测集分别与目标集进行匹配。对于辨识任务，最全面??的性能准则是ＣＭＣ曲线（Ｃｕｍｕｌａｔｉｖｅ?Ｍａｔｃｈ?Ｃｈａｒａｃｔｅｒｉｓｔｉｃ?Ｃｕｒｖｅ）
【参考文献】：
期刊论文
[1]人脸识别综述与展望[J]. 祝秀萍,吴学毅,刘文峰. 计算机与信息技术. 2008(04)
[2]人脸识别综述与展望[J]. 祝秀萍,吴学毅,刘文峰. 计算机与信息技术. 2008 (04)
[3]人脸识别技术综述[J]. 张翠平,苏光大. 中国图象图形学报. 2000(11)
[4]人脸自动识别方法综述[J]. 周杰,卢春雨,张长水,李衍达. 电子学报. 2000(04)
博士论文
[1]高精度人脸识别算法研究[D]. 邓伟洪.北京邮电大学 2009
[2]人脸识别中若干关键问题的研究[D]. 山世光.中国科学院研究生院（计算技术研究所） 2004
本文编号：3558903
本文链接：https://www.wllwen.com/shoufeilunwen/xxkjbs/3558903.html