基于GA-BP消除局部遮挡物影响的人脸识别算法研究

《基于GA-BP消除局部遮挡物影响的人脸识别算法研究》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、分类号：TN919.8单位代码：10183研究生学号：2015522048密级：公开吉林大学硕士学位论文（学术学位）基于GA-BP消除局部遮挡物影响的人脸识别算法研究ResearchonfacerecognitionalgorithmbasedonGA-BPtoeliminatetheinfluenceoflocalocclusion作者姓名：王婷专业：信号与信息处理研究方向：人脸识别指导教师：王世刚教授培养单位：通信工程学院2018年6月—————————————————————基于GA-BP消除局部遮挡物影响的人脸识别算法研究————

2、—————————————————ResearchonfacerecognitionalgorithmbasedonGA-BPtoeliminatetheinfluenceoflocalocclusion作者姓名：王婷专业名称：信号与信息处理指导教师：王世刚教授学位类别：工学硕士答辩日期：2018年6月2日未经本论文作者的书面授权，依法收存和保管本论文书面版本、电子版本的任何单位和个人，均不得对本论文的全部或部分内容进行任何形式的复制、修改、发行、出租、改编等有碍作者著作权的商业性使用（但纯学术性使用不在此限）。否则，应承担侵权的法律责任

3、。吉林大学硕士学位论文原创性声明本人郑重声明：所呈交学位论文，是本人在指导教师的指导下，独立进行研究工作所取得的成果。除文中已经注明引用的内容外，本论文不包含任何其他个人或集体已经发表或撰写过的作品成果。对本文的研究做出重要贡献的个人和集体，均已在文中以明确方式标明。本人完全意识到本声明的法律结果由本人承担。学位论文作者签名：日期：年月日《中国优秀博硕士学位论文全文数据库》投稿声明研究生院：本人同意《中国优秀博硕士学位论文全文数据库》出版章程的内容，愿意将本人的学位论文委托研究生院向中国学术期刊（光盘版）电子杂志社的《中国优秀博硕士学位论

4、文全文数据库》投稿，希望《中国优秀博硕士学位论文全文数据库》给予出版，并同意在《中国博硕士学位论文评价数据库》和CNKI系列数据库中使用，同意按章程规定享受相关权益。论文级别：■硕士□博士学科专业：信号与信息处理论文题目：基于GA-BP消除局部遮挡物影响的人脸识别算法研究作者签名：指导教师签名：年月日作者联系地址（邮编）：吉林省长春市南湖大路5372号吉林大学南湖校区第一教学楼609室(130012)作者联系电话：15804315924基于GA-BP消除局部遮挡物影响的人脸识别算法研究摘要人脸识别是人工智能最广泛的应用之一。就现在科技发展

5、来看，人脸识别已经被应用于手机解锁、安全支付等生活中。然而，这些技术都是建立在无遮挡情况下。当人脸受到墨镜和围巾遮挡时，往往需要我们摘掉所戴配饰才能进行识别。针对这一问题，本文做了如下工作：1.根据器官特征进行初步识别。首先提取眼睛和嘴巴器官特征，眼睛和嘴巴具有良好的边缘特征，本文利用灰度积分定位其具体位置。并且将提取到的器官特征作为网络的输入样本，进行训练学习。利用器官特征进行初步识别，缩小了人脸检测范围。2.遗传算法(GeneticAlgorithms,GA)优化BP神经网络。理论上，BP神经网络主要目的是训练目标和期望之间的误差，采

6、用梯度下降法对网络神经元进行权值和阈值调整。BP算法的主要缺点是训练的权值和阈值趋向收敛于局部极小值，不能保证全局最优。遗传算法由于具有隐含并行性，是一种非常强大的自适应全局式优化算法。通过GA优化BP的权值和阈值，可以改善其局部最优解的缺点，提高收敛速度，有助于人脸识别率的提高。但是由于图像由二维转化为一维，维数增高，网络在训练过程中会产生时间冗余和结构复杂化等问题。因此在输入时采用PCA进行降维，对数据进行预处理。3.RGB空间的图像融合。R、G、B是三种不用频率的可视化颜色，包含了更为丰富的信息。本文提出基于R、G、B人脸重建，重建

7、后的人脸在去除墨镜和围巾的遮挡效果更为明显。在选取R、G、B分量时，利用PCA对三分量进行图像融合，可以更有效、更完整的还原待测图像被遮挡部分内容。实验结果显示，基于RGB空间的融合不仅有效去除遮挡物，在很大程度上提高人脸的匹配速度和识别率。4.人脸全局特征的提取。LDA将高维数据投影到特征子空间，在子空间中确定一组最大类间散布矩阵和最小类内散布矩阵，从而得到最佳投影矩阵。也就是说，模式在该特征空间中有最好的可分离性。然而，LDA总是受到小样本（SSS）问题的困扰。因而，使用PCA对其降维，使得Sw在LDA使用前是非奇异性矩阵。最后利用K

8、近邻分类器(KNN，k-NearestNeighbor)进行分类识别。最后，本文将研究的方法在AR人脸库中进行不同条件下的实验，并与现有的方法进行了对比。实验证明，本文方法能更有效地去除人脸遮