基于多線索的人臉識別認證.pdf_第1頁
已閱讀1頁,還剩120頁未讀, 繼續(xù)免費閱讀

下載本文檔

版權說明:本文檔由用戶提供并上傳,收益歸屬內容提供方,若內容存在侵權,請進行舉報或認領

文檔簡介

1、生物特征識別是一項根據(jù)人類自身固有的生物特征進行身份識別的技術,具有優(yōu)于傳統(tǒng)身份識別技術的安全性和可靠性。其中,人臉識別技術以其采集方便并可在不打擾檢測對象正?;顒訔l件下隱蔽進行的獨特優(yōu)勢,受到廣泛關注并成為研究熱點。經(jīng)過多年的研究和開發(fā),人臉識別技術已取得了一定的突破,在公共安全、信息安全、金融安全等領域展現(xiàn)出廣闊的應用前景。但是,由于人臉圖像的復雜性和多樣性,目前人臉識別技術的精度距離人們的期望還有一些距離,提高人臉識別正確率是一項

2、非常重要的研究任務,同時也是一項具有挑戰(zhàn)性難度的研究課題。
  人臉識別是一個復雜的信息處理過程,在真實應用條件下的人臉識別,更是受到多種不能預先確定環(huán)境因素的影響。在認知判別中,引入多種有效的特征信息和多種理論推理方法,將有助于全面、準確地認識和區(qū)分對象。本文研究和探討了基于多線索即多種特征信息和多種理論方法集成(融合)的人臉識別技術。主要工作成果和貢獻如下:
  1.提出了一種基于多線索的眼睛精確定位方法。該方法包含三個

3、階段由粗到細逐級精確化眼睛定位。前兩個階段,采用Viola-Jones算法進行眼睛的粗定位。本文工作的主要貢獻在于第三階段的精確定位,提出采用具有更高分辨能力的梯度組合特征和曲線波(Curvelet)特征,以適應眼睛中心周圍鄰域的灰度分布和邊緣輪廓的描述;并提出一種重構偏差計算機制,采用重構偏差來度量候選眼睛子塊圖像與眼睛子塊典型樣本圖像集的匹配相似度,進行計算對比,將基于梯度組合特征和曲線波特征的重構偏差結果進行綜合,最終選定最佳的眼

4、睛中心位置。實驗結果表明,本文方法具有較高的定位精度。
  2.提出了一種基于Gabor特征、Curvelet特征和LBP(Local Binary Pattern)特征融合的人臉識別方法。Gabor、Curvelet和LBP都是有成效的描述人臉的特征,它們分別從通用的和側重于邊緣輪廓的多尺度波形分解和亮度差細觀紋理結構等不同特性角度,描述了對象的內蘊特性。三種特征內容具有很強的關聯(lián)性和互補性,在本文提出的方法中,首先將特征相關性

5、較強的Gabor特征和Curvelet特征在特征層上采用典型相關分析(Canonical Correlation Analysis,CCA)的原理方法進行重組融合;然后將CCA融合特征的匹配相似度與LBP特征的匹配相似度在決策層上進行融合,獲得最終的匹配相似度。實驗結果表明,通過將三種特征進行融合識別精度得到顯著提高。
  3.對于同一人臉多張圖像和單張人臉圖像的匹配問題,本文提出一種計算同一人臉多張圖像的共性表征和匹配偏差方法。

6、在選定特征表示后,同一人臉對象的多張圖像特征數(shù)據(jù)計算得到的主方向可作為該人臉對象的共性表征。將待匹配單張圖像在已知多張圖像的主方向上投影,然后進行重構,其重構偏差可作為匹配偏差。通過實驗測試證明本文提出的方法的有效性。
  4.對于非正面人臉圖像匹配問題,本文提出了一種新的人臉姿態(tài)估測方法以及兩項簡化校正處理:縱橫比修正和選用翻轉圖像。在人臉姿態(tài)估測方法中,采用局部線性嵌入(Locally Linear Embedding,LLE

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
  • 4. 未經(jīng)權益所有人同意不得將文件中的內容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內容本身不做任何修改或編輯,并不能對任何下載內容負責。
  • 6. 下載文件中如有侵權或不適當內容,請與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論