人脸检测与识别算法研究

《人脸检测与识别算法研究》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、中文图书分类号：TP391密级：公开UDC：39学校代码：10005硕士学位论文MASTERALDISSERTATION论文题目：人脸检测与识别算法研究论文作者：边航学科：信息与通信工程指导教师：汪友生论文提交日期：2017年5月UDC：39学校代码：10005中文图书分类号：TP391学号：S201402073密级：公开北京工业大学工学硕士学位论文题目：人脸检测与识别算法研究英文题目：RESEARCHONFACEDETECTIONANDRECOGNITIONALGORITHM论文作者：边航学科：信息与通信工程研究方向：人脸图像检测与识别申请学位：工学硕士指导

2、教师：汪友生副教授所在单位：信息学部答辩日期：2017年5月授予学位单位：北京工业大学独创性声明本人声明所呈交的论文是我个人在导师指导下进行的研究工作及取得的研究成果。尽我所知，除了文中特别加以标注和致谢的地方外，论文中不包含其他人已经发表或撰写过的研究成果，也不包含为获得北京工业大学或其它教育机构的学位或证书而使用过的材料。与我一同工作的同志对本研究所做的任何贡献均已在论文中作了明确的说明并表示了谢意。签名：边航日期：2017年5月22日关于论文使用授权的说明本人完全了解北京工业大学有关保留、使用学位论文的规定，即：学校有权保留送交论文的复印件，允许论文被查

3、阅和借阅；学校可以公布论文的全部或部分内容，可以采用影印、缩印或其他复制手段保存论文。（保密的论文在解密后应遵守此规定）签名：边航日期：2017年5月22日导师签名：汪友生日期：2017年5月22日摘要摘要近年来，生物识别技术作为一种有效的身份识别手段受到了业界的极大关注。其中，因人脸识别技术与其他生物识别技术相比具有更显著的优势，使得它被广泛地应用于诸多领域。因此人脸检测与识别技术也逐渐发展成为计算机视觉领域中的主要研究课题。本文以提高人脸检测和识别效果为目的，对人脸检测与识别相关算法进行研究。首先简单阐述了人脸检测与识别的研究背景和意义，总结了人脸检测与人

4、脸识别的国内外研究现状，概括了本文的研究内容和章节安排。然后介绍了人脸检测与识别过程中的一些关键算法。最后主要针对经典的Adaboost人脸检测算法、局部二值模式算法以及深度学习理论中的不足之处，提出一些改进方案，以取得更好的检测识别结果。本文主要的研究内容如下：(1)针对传统Adaboost算法在弱分类器选取以及权值选取过程中存在的不足，提出了一种基于改进的Adaboost人脸检测算法，该方法首先采用支持向量机作为Adaboost的弱分类器，同时引入分类器的差异性值作为参考依据，避免了弱分类器过于相似的问题，有效地减少了弱分类器数量，从而提高了算法的效率。其

5、次，利用遗传算法对弱分类器进行权值优化处理。最后利用Adaboost算法将分类器进行级联，构建最终的强分类器。实验结果表明，使用该算法能够有效地提高检测率，同时缩短运算时间。(2)基于改进的CS-LBP人脸特征提取。为了更加易于人脸图像特征的提取工作并且有效提高人脸识别正确率，首先使用拉普拉斯算子对原始图像进行滤波操作，令图像细节更明显或者增强模糊细节，从而使得图像的纹理特征和边缘特征更加清晰。然后针对CS-LBP算子提取到的图像局部特征信息不完善的不足之处，提出一种结合图像的梯度幅值信息和相位信息的特征提取方法。该方法能够有效地利用二者的互补性，达到丰富图像

6、局部特征的目的。最后与其他方法进行实验对比，结果表明该方法在不同的训练样本数量下识别率均有所提高，证明了算法的有效性。(3)基于CS-LBP与深度学习的人脸识别。针对传统的深度信念网络是用像素级别的人脸特征直接作为系统的初始输入，不能很好地学习到图像中人脸的局部性特征的缺点，提出了将CS-LBP与深度信念网络相结合的人脸识别方式。首先选用CS-LBP算子对人脸图像进行特征提取，然后将提取的特征作为DBN网络的输入，通过逐层训练，从而得到较好的网络参数，并在顶层形成分类面。最后，在人脸数据库中进行识别测试，并且对DBN网络层数以及隐藏层单元数对I北京工业大学工学

7、硕士学位论文网络的影响做了实验分析。实验结果表明该方法比传统的人脸识别方法以及文献中所提算法在识别率上均有所提高。关键词：人脸检测；特征提取；人脸识别；局部二值模式；深度信念网络IIAbstractAbstractInrecentyears,biometrictechnologyasaneffectivemeansofidentification.Ithasreceivedgreatconcern.Comparedwithotherbiometrictechnologies,facerecognitiontechnologyhassignificantadva

8、ntages.Therefore,it