非控环境下的人脸特征提取与分类算法研究

《非控环境下的人脸特征提取与分类算法研究》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、单位代码：１０２％密级：公开硕去緣像给戈ｍ论文题目；非控环培下的人脸特征提取与分类算法研究￡．，＇－？．１０１３０１０４０４学号．’＇．？‘？：．？、黄维姓名曹雪虹教授导师信号与信息处理学科专业研究巧向现代通信中的智能信号处理技术硕±申请学位类别王学一六年四月论文提交日期二羣南京邮电大学学位论文原创性声明本人声明所呈交的学位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。思我所知，除了文中特别加ｙ■标注和致谢

2、的地方外，论文中不包含其他人己经发表或撰写过的研究成果，也不包含为获得南京邮电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巧己在论文中作了明确的说明并表示了谢意。本人学位论文及涉及相关资料若有不实一，愿意承担切相关的法律责任。．聲。養人化．（研巧生签名；和日期：南京邮电大学学位论女使用授权声明本人授权南京邮电大学可保留并向国家有关部口或机构送交论义的复印件和电子文档レ；允许论文被畜阅和借阅；可ッ将学位论文的全部或部分内容编入有关数据库进行检索；可Ｗ采用影印、缩印

3、或扫描等复制手段保存、汇编本学位论文。本文电子文档的内容和纸质一论文的内容相致。论文的公布（包括刊登）授权南京邮电大学研巧生院办理。涉密学位论文在解密后适用本授权书。研巧生签名：養、导师签名日期：如化、聲‘个ResearchOnFaceFeatureExtractionandClassificationunderUncontrolledEnvironmentThesisSubmittedtoNanjingUniversityofPostsandTelecommunicationsfortheDegreeofMastero

4、fEngineeringByHuangWeiSupervisor:Prof.CaoXuehongApril2016摘要随着信息社会的来临，由于在网络购物、网上银行、电子支付、门禁系统、监控体系、刑事侦查等领域的应用前景广阔，人脸识别受到了越来越多研究者的关注。目前已有的人脸识别方法主要集中于解决可控或半可控环境下的人脸识别问题，针对非控环境下的人脸识别算法较少。非控环境下的人脸识别受光照、姿态、遮挡、表情、年龄、种族等干扰因素的综合影响，传统算法在进行特征提取时引入的干扰信息较多，因而给后续的分类工作也带来较大的困难。本文针对目前经典算法

5、应用于非控环境下人脸识别时产生的识别率低、实时性较差等问题进行研究，从特征提取算法、分类器设计两个方面开展研究，主要的工作内容包括以下几个方面：（1）受生物视觉注意机制的启发，研究主动形状模型（ActiveShapeModel，ASM）算法，对生物视觉ROI区域（即眉毛、眼睛、鼻子、嘴巴等区域）进行关键点标记，在此基础上研究并采用梯度方向直方图（HistogramsofOrientedGradients，HOG）算法进行人脸特征提取，提出了基于关键点的HOG人脸特征提取算法（HistogramsofOrientedGradientsbas

6、edonkey-points,k-HOG）。实验结果证明，本文提出的k-HOG算法相比于经典的全局特征提取算法不仅大大降低了特征维度，而且减少了额头、脸颊等非特征区域冗余信息的干扰，识别率得到提高。（2）经典HOG算法中用梯度算子计算像素点的梯度幅值和梯度方向，它仅描述了水平和垂直两个方向的灰度变化，包含的像素点信息较少，因此本文提出了基于关键点的多尺度多梯度HOG特征提取算法（Multi-ScaleMulti-GradientHistogramsofOrientedGradientbasedonkeypoints，k-MSMG-HOG）

7、。首先设计3*3、5*5两种尺度下四组梯度模板，利用这些模板分别计算各个像素点的梯度变化，统计得到两种尺度下的梯度方向直方图并进行融合，得到最终特征向量。实验结果表明，本文提出的k-MSMG-HOG算法，更全面精细地提取了关键点周围的人脸特征信息，算法的识别率有显著提高。（3）一对多高斯过程分类器（OneAgainstAllGaussianProcessClassifier,OAA-GPC）在训练每个二分类器时都需要将所有的训练样本作为输入，因此其对大规模样本进行分类时所耗费的时间代价巨大。本文提出了基于一对一方法的高斯过程多分类器（On

8、eAgainstOneGaussianProcessClassifier,OAO-GPC），以及在其基础上改进的基于有向无环图方法的高斯过程多分类器（DirectedAcyclicGraphG