欢迎来到天天文库
浏览记录
ID:35071154
大小:4.15 MB
页数:68页
时间:2019-03-17
《基于随机森林的人脸特征检测方法研究》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、分类号密级硕士学位论文题目:基于随机森林的人脸特征检测方法研究英文并列题目:ResearchofFacialFeatureDetectionBasedonRandomForest研究生:孙凯传专业:信号与信息处理研究方向:图像与视频信号分析处理导师:孔军副教授指导小组成员:学位授予日期:2016年6月答辩委员会主席:于凤芹江南大学地址:无锡市蠡湖大道1800号二○一六年六月独创性声明本人声明所呈交的学位论文是本人在导师指导下进行的研巧工作及取得的研巧成果。尽我所知,除了文中特别加W标注和致谢的地方外,论文中不包含其
2、他人已经发表或撰写过的研巧成果,也不包含本人为获得江南大学或其它教育机构的学位或证书而使用过的材稱?与我一同工作的同志对本研究所做的任何贡献均己在论文中作了明确的说明并表示谢意。签名/日:論^7毛日期:>知少月^/关于论文使用授权的说明本学位论文作者完全了解江南大学有关保留、使用学位论文的规定:江南大学有权保留并向国家有关部口或机构送交论文的复印件和磁盘,允许论文被査阅和借阅,可将学位论文的全部或部分内容编、缩入有关数据库进行检索,可W采用影印印或扫描等复制手段保存、一致汇编学位论文
3、,并且本人电子文释的内容和纸质论文的内容相。保密的学位论文在解密后也进守此规定。签名:%4:為如%导师签名_曰期年r月?曰I摘要摘要人脸特征检测是计算机视觉领域的一个重要的课题,它是人脸识别、人脸跟踪以及表情识别等研究的基础,在医疗诊断、自动身份验证、视频跟踪、人机交互以及军事分析等方面有着广泛的应用前景。人脸特征检测的主要任务是在人脸图像中快速而准确的找到人脸特征(如眉毛、眼睛、鼻子、嘴巴等)的位置,为面部信息的深入研究奠定基础。近年来,随着物联网技术的快速发展以及国内外研究者的深入研究,人脸特征检测得到
4、了广泛而深入的发展,并取得了很多的成果。但是由于人脸图像的复杂性以及人脸姿态的多样性,人脸特征检测在实时性、准确性以及鲁棒性等方面还有很多的提升空间。本文重点研究了基于随机森林的人脸特征检测方法,并针对目前人脸特征检测存在的多姿态问题以及ATM终端人脸遮挡的问题提出了相应的改进方法。本文的主要研究的工作如下:1)深入分析基于随机森林的人脸特征算法,在训练部分通过人脸图像库构建随机树模型,并在LFW、LFPW以及COFW人脸数据库上分别进行测试,根据测试的结果详细分析算法存在的问题和不足。2)针对结构输出随机森林(Structu
5、red-OutputRegressionForests,SO-RF)算法对人脸特征检测存在的多姿态问题,提出一种基于SO-RF的多姿态人脸特征检测方法(RevisedStructured-OutputRegressionForests,RSO-RF)。在训练阶段,将训练的人脸图像按照五种不同的姿态(左偏,偏左,正脸,偏右,右偏)进行划分,并且根据姿态划分的人脸图像分别构建随机森林特征检测模型,同时基于随机森林的方法构建姿态估计模型。在测试阶段,首先根据姿态估计模型估计出人脸的姿态,接着根据人脸的姿态选择相应的随机森林检测模型进
6、行人脸特征的检测。3)针对目前现有ATM终端的出现的遮挡犯罪问题,本文提出一种基于RSO-RF的部分遮挡人脸特征检测方法,在RSO-RF算法中融入部分遮挡信息。在训练阶段,对训练人脸数据标定相应的部分遮挡信息(无遮挡、眼部遮挡、嘴部遮挡),在模型建立过程中将部分遮挡信息和面部特征信息作为投票存储在叶节点;在检测阶段,根据基于随机森林的遮挡估计方法估计出人脸是否受遮挡,对于部分遮挡的图像,检测其非遮挡部分的特征点位置。最后,通过在LFW和LFAOL人脸数据库上验证本文提出的基于SO-RF多姿态人脸特征检测方法,对于多姿态的人脸能
7、够有效的提高检测的准确率并且降低误差率;在AR和LOFAO人脸数据库上验证提出的基于RSO-RF的部分遮挡人脸特征检测方法,在检测人脸是否受到遮挡的同时还可以检测非遮挡部分的特征位置。关键词:随机森林;SO-RF;人脸特征检测;姿态估计;部分遮挡IAbstractAbstractFacialfeaturedetectionisanimportantissueinComputerVision.Basedonfacerecognition,facetrackingaswellasfacialexpressionrecognitio
8、n,itcanbewidelyusedinvariousareas,forexample,medicaldiagnosis,automaticidentityidentification,videotracking,human-computerinteractionandmi
此文档下载收益归作者所有