有遮挡人脸识别的特征选择与提取

有遮挡人脸识别的特征选择与提取

ID:34713103

大小:4.72 MB

页数:62页

时间:2019-03-09

有遮挡人脸识别的特征选择与提取_第1页
有遮挡人脸识别的特征选择与提取_第2页
有遮挡人脸识别的特征选择与提取_第3页
有遮挡人脸识别的特征选择与提取_第4页
有遮挡人脸识别的特征选择与提取_第5页
资源描述:

《有遮挡人脸识别的特征选择与提取》由会员上传分享,免费在线阅读,更多相关内容在学术论文-天天文库

1、硕士学位论文论文题目:有遮挡人脸识别的特征选择与提取作者姓名李晶晶指导教师梁荣华教授,李小薪讲师学科专业计算机科学与技术培养类别全日制学术型硕士所在学院计算机科学与技术学院提交日期2017年3月28日万方数据浙江工业大学硕士学位论文有遮挡人脸识别的特征选择与提取作者姓名:李晶晶指导教师:梁荣华教授、李小薪讲师浙江工业大学计算机科学与技术学院2017年3月万方数据DissertationSubmittedtoZhejiangUniversityofTechnologyfortheDegreeofMasterFEATURESSELECTIONANDAXTRACTIONOFFACERECOGNI

2、TIONWITHOCCLUSIONCandidate:JingjingLiAdvisor:Prof.RonghuaLiangDr.XiaoxinLiCollegeofComputerScienceandTechnologyZhejiangUniversityofTechnologyMar.2017万方数据浙江工业大学学位论文原创性声明本人郑重声明:所提交的学位论文是本人在导师的指导下,独立进行研究工作所取得的研究成果。除文中已经加以标注引用的内容外,本论文不包含其他个人或集体已经发表或撰写过的研究成果,也不含为获得浙江工业大学或其它教育机构的学位证书而使用过的材料。对本文的研究作出重要贡献

3、的个人和集体,均已在文中以明确方式标明。本人承担本声明的法律责任。作者签名:日期:年月日学位论文版权使用授权书本学位论文作者完全了解学校有关保留、使用学位论文的规定,同意学校保留并向国家有关部门或机构送交论文的复印件和电子版,允许论文被查阅和借阅。本人授权浙江工业大学可以将本学位论文的全部或部分内容编入有关数据库进行检索,可以采用影印、缩印或扫描等复制手段保存和汇编本学位论文。本学位论文属于1、保密□,在一年解密后适用本授权书。2、保密□,在三年解密后适用本授权书。3、不保密□。(请在以上相应方框内打“√”)作者签名:日期:年月日导师签名:日期:年月日万方数据有遮挡人脸识别的特征选择与提取

4、摘要有遮挡人脸识别是面向现实的人脸识别系统的一个关键问题,其困难性主要在于遮挡会造成局部特征的损失,并容易引发与人脸局部特征的混淆。长期以来,一种主流的观点认为:特征提取方法并不能有效处理人脸图像中的遮挡问题。然而,近来的研究表明特征选择和提取对解决有遮挡人脸识别问题不仅非常重要,而且无须显式地表示或检测遮挡。因此,本文主要研究有遮挡人脸识别的特征选择和提取方法。本文主要做了如下两个方面的工作:(1)为了有效分离遮挡与人脸图像,实现人脸图像中有效特征的选择,提出了基于SVD的Gabor遮挡字典学习方法。针对因遮挡、光照等变化因素所引发的协变量偏移问题,从字典编码的角度出发,研究分析基于K-

5、SVD字典学习方法的不足:计算代价较高、冗余性较强、缺乏针对自然遮挡的结构性,本文提出了基于SVD的Gabor遮挡字典学习方法,改进了K-SVD的不足。通过K-均值、K-SVD与SVD三种计算方法的比较,验证了SVD的优势所在。实验结果表明,相对于基于K-SVD字典学习方法的分类方法,基于SVD字典学习方法的分类方法在各种情形下具有更好识别性能。(2)提出了一种对遮挡鲁棒的特征表示方法:自适应韦伯脸。基于Wright等提出的鲁棒特征提取的两个指导性原则:局部性和冗余性,分析了两个韦伯比的特点,指出它们分别有利于提升特征表示的局部性和冗余性。基于这两个韦伯比,提出了自适应韦伯脸(AdapWe

6、ber),使得其所提取的特征同时拥有冗余性和空间局部性。为了进一步提高自适应韦伯脸的冗余性和空间局部性,对自适应韦伯脸进行多尺度多方向(Multi-ScaleandMulti-Orientation,MSMO)拓展,提出了多尺度多方向的自适应韦伯脸(MSMO-AdapWeber)。实验表明,MSMO-AdapWeber提取的特征具有很好的遮挡鲁棒性,尤其是当遮挡比例较高或者输入图像的维数较低时。在ExtendedYaleB、AR、UMB-DB等基准数据库上对本文提出的两个方法进行了大规模测试,并将其与相关的主流方法进行比较,验证了本文所提出的两个方法的有效i万方数据性。尽管本文的主要工作仍

7、然是基于传统的手工设计的特征提取方法,但与近来流行的深度学习方法(如PCANet)相比,本文的方法仍取得一定的性能优势。在未来的研究工作中,我们将进一步关注以卷积神经网络为代表的深度学习方法对遮挡的鲁棒性。关键词:人脸识别,特征选择,特征提取,遮挡字典学习,Gabor特征,自适应韦伯脸ii万方数据FEATURESSELECTIONANDAXTRACTIONOFFACERECOGNITIONWITHOCCLUSIONABS

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。