基于wld特征综合人脸识别方法的研究及其软件设计

《基于wld特征综合人脸识别方法的研究及其软件设计》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、独创性（或创新性）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中所罗列的内容以外，论文中不包含其他人已经发表或撰写过的研究成果；也不包含为获得西安电子科技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做了明确的说明并表示了谢意。申请学位论文与资料若有不实之处，本人承担一切相关责任。本人签名：日期：关于论文使用授权的说明本人完全了解西安电子科技大学有关保留和使用学位论文的规定，即：

2、研究生在校攻读学位期间论文工作的知识产权单位属西安电子科技大学。本人保证毕业离校后，发表论文或使用论文工作成果时署名单位仍然为西安电子科技大学。学校有权保留送交论文的复印件，允许查阅和借阅论文；学校可以公布的全部或部分内容，可以允许采用影印、缩印或其它复制手段保存论文。（保密的论文在解密后遵守此规定）本人签名：日期：导师签名：日期：摘要摘要自动人脸识别技术是模式识别、人工智能领域的研究热点。经过近半个世纪的发展，已经提出了很多行之有效的人脸识别方法。然而，识别效果仍然受到光照、姿态、伪装等外部因素

3、的严重影响。由于局部特征具有提取方便，细节表征能力强的特点，已经得到了了广泛的应用。韦伯描述子(WLD特征)是一种强大的局部纹理信息描述子，它不仅识别效率高，而且对光照、姿态变化有着良好的鲁棒性。本文主要研究基于WLD特征的人脸身份、表情和性别识别方法。首先介绍了WLD特征结合Gabor滤波器的人脸身份识别，并在ORL数据库上进行测试。然后探讨了WLD特征的人脸表情表征能力，利用WLD特征结合HMM分类器进行人脸表情识别，并在JAFFE人脸表情库上做测试。对WLD特征进行改进，依据人脸不同区域对于

4、识别效果的不同贡献，对不同区域设置了各自的WLD特征权重，并结合SVM分类器在FERET数据库上进行人脸性别分类识别。实验表明，WLD特征在身份、表情和性别识别三个领域都取得了良好的识别效果。基于前面所作的工作，本文还设计并开发了一个人脸综合识别软件，该软件集成了自动人脸检测技术、LBP与WLD特征提取和几种主要模式识别分类器，可以在现有主流Windows操作系统下运行，能够进行人脸的身份、表情和性别识别，具有较高的识别率。关键词：WLD特征人脸身份识别表情识别性别识别ABSTRACTABSTRA

5、CTAutomaticfacerecognitionisaquiteactiveresearchfieldinmodernpatternrecognitionandartificialintelligence,andtherearenumerousfacerecognitionmethodspresentedduringpastdecades.Methodsbasedonlocaltexturefeatureshavebeenbroadlyappliedinfacerecognitionbecau

6、seoftheirconvenienceanddetailcharacterizationinfeatureextraction.WeberLocalDescriptor(WLD)hasbeenprovedtobeapowerfullocaltexturedescriptor,whichisrobustincomplicatedilluminationandpostureconditionsandcangethighrecognitionrate.Inthispaper,theWLDisimpro

7、vedandadoptedinfacerecognition,faceexpressionrecognitionandgenderidentification.WefirstlycombinetheWLDfeatureswithGaborfeaturesforfacerecognition,andtakeexperimentsonORLdatabase.ThentheWLDfeatureswithHMMasclassifierareusedtofaceexpressionrecognitionon

8、JAFFEdatabase.However,theWLDoftenpaysmoreattentiontotheregionsofhighvariancesinimages.Inconsiderationofthediscrepancyofdifferentregionsinanimage,WebringweightstoWLDfeaturesofdifferentregions,andapplyitingenderidentificationwithSVMclassifieronF