

版權(quán)說明:本文檔由用戶提供并上傳,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)
文檔簡介
1、人臉識(shí)別是許多包括考勤、視頻監(jiān)控以及基于內(nèi)容的圖像檢索等應(yīng)用的基礎(chǔ)。人臉識(shí)別又可以分為兩個(gè)子問題:人臉認(rèn)證和人臉辨別,前者的應(yīng)用更加廣泛。但受到人臉姿態(tài)、光照以及遮擋物的影響,使得人臉認(rèn)證問題更加復(fù)雜、更具有挑戰(zhàn)性。本文提出采用構(gòu)建人臉的高維特征(超過10萬維度)的方法來克服這些困難,高維特征具有更多的人臉信息,并通過支持向量機(jī)和Adaboost算法實(shí)現(xiàn)人臉認(rèn)證并應(yīng)用在了煤礦環(huán)境下。
人臉的低維特征往往只包含了人臉的一部分信息
2、,用作人臉認(rèn)證效果并不理想。而且某種特征只提取人臉的特定信息,比如方向梯度直方圖特征適合行人檢測(cè),局部二值模式特征對(duì)光照強(qiáng)度不敏感。高維人臉特征雖然能改善這些問題,但勢(shì)必會(huì)給算法訓(xùn)練、計(jì)算以及儲(chǔ)存帶來困難。針對(duì)這些問題,本文做了以下工作:
(1)構(gòu)建人臉高維特征,描述盡可能多的人臉信息。對(duì)人臉圖像作多尺度變換,在每個(gè)尺度上,分別基于人臉關(guān)鍵點(diǎn)位置提取不同的人臉特征,最后將所提取的特征聯(lián)合起來構(gòu)建成人臉的高維度特征用于人臉認(rèn)證。
3、
(2)使用支持向量機(jī)以及Adaboost算法實(shí)現(xiàn)人臉認(rèn)證。經(jīng)過PCA降維后的高維特征使用支持向量機(jī)分類器實(shí)現(xiàn)人臉認(rèn)證,并通過基于FERET人臉庫的實(shí)驗(yàn)驗(yàn)證了高維度特征具有更好的人臉認(rèn)證效果。由于PCA降維運(yùn)算復(fù)雜,故采取Adaboost算法選取最具可分性的人臉特征實(shí)現(xiàn)降維的同時(shí)構(gòu)建級(jí)聯(lián)人臉認(rèn)證分類器,快速實(shí)現(xiàn)人臉認(rèn)證。兩種方法均在 FERET人臉庫上取得了超過97%的人臉認(rèn)證成功率。
(3)在煤礦考勤系統(tǒng)上實(shí)現(xiàn)了人
4、臉認(rèn)證系統(tǒng)并完成了煤礦礦工人臉庫的采集。該人臉庫包括了實(shí)際場(chǎng)景下共2753位礦工的不同姿態(tài)、表情和煤灰污染的“黑臉”圖像,具有很大的使用研究價(jià)值。特別地,針對(duì)礦工被煤灰污染的人臉圖像進(jìn)行了人臉認(rèn)證的研究,通過本文中的人臉認(rèn)證方法達(dá)到了86.95%的一次性認(rèn)證成功率。
本文主要研究了基于圖像多尺度變換和人臉關(guān)鍵點(diǎn)的高維特征對(duì)于人臉認(rèn)證的積極影響。并且基于高維特征采用支持向量機(jī)和Adaboost算法實(shí)現(xiàn)了人臉認(rèn)證,在FERET人臉
溫馨提示
- 1. 本站所有資源如無特殊說明,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)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會(huì)有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
- 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. 眾賞文庫僅提供信息存儲(chǔ)空間,僅對(duì)用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對(duì)用戶上傳分享的文檔內(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
- 基于特征的人臉檢測(cè)方法.pdf
- 基于SVM的人臉特征定位方法研究.pdf
- 基于深度學(xué)習(xí)特征提取的人臉認(rèn)證算法研究.pdf
- 基于Gabor特征的人臉識(shí)別方法.pdf
- 基于仿生特征的人臉識(shí)別方法.pdf
- 基于特征學(xué)習(xí)的人臉識(shí)別方法研究.pdf
- 基于AAM的人臉特征點(diǎn)定位方法研究.pdf
- 基于代數(shù)特征的人臉識(shí)別方法研究.pdf
- 基于幾何特征的人臉圖像分析方法研究.pdf
- 基于HOG特征LBP特征的人臉識(shí)別方法研究.pdf
- 基于LBP統(tǒng)計(jì)特征的人臉識(shí)別方法研究.pdf
- 基于最短描述長度的高維特征選擇方法研究.pdf
- 基于多種方法的人臉特征跟蹤及人臉動(dòng)畫.pdf
- 可撤除的人臉特征識(shí)別與認(rèn)證算法研究.pdf
- 基于人臉對(duì)齊和多特征融合的人臉識(shí)別方法研究.pdf
- 基于LBP閾值特征的人臉識(shí)別方法研究.pdf
- 基于代數(shù)特征的人臉識(shí)別研究.pdf
- 基于改進(jìn)LDP特征的人臉識(shí)別方法.pdf
- 基于多線索的人臉識(shí)別認(rèn)證.pdf
- 基于局部特征的人臉識(shí)別方法研究與實(shí)現(xiàn).pdf
評(píng)論
0/150
提交評(píng)論