基于灰度值对称虚拟样本的人脸识别算法研究

发布时间：2025-06-20 03:37

　　人脸识别从20世纪中叶开始就被研究人员所关注,是一项起源较早的研究,但至今为止仍然焕发着活跃的生命力,是一门对于研究人员有着重大吸引力的热点技术。近些年来,5G技术、大数据、云计算以及人工智能技术的兴起,使得人脸识别技术能够大规模地实现商业领域的应用。人脸识别技术具有非常广泛的应用,包括视频监控,嫌疑人追踪,人员身份验证,签到管理等。在实际应用中,人脸识别用于训练的样本数量往往是有限的。一个原因是训练样本存储空间的容量有限。另一个原因是很难在较短的时间内获取大量的训练样本。同时,由于人脸图像具有光照变化,面部表情变化和姿势变化等影响因素,导致在小规模训练样本情况下,人脸识别的识别率仍然较低。首先,本文针对变异字典对训练样本有特定要求的问题,提出了使用对称脸对原始训练样本进行预处理生成虚拟样本的方法。该方法弥补了变异字典对于训练样本的要求,也充实了训练样本的数量和训练样本的信息量。通过人脸图像的对称性构建虚拟样本,并代入到变异字典与协同表示分类相结合的算法框架中进行分类识别。仿真实验结果表明,提出的算法在小样本情况下仍然具有良好的分类性能。但是,由于对称脸直接选取图像中轴线作为对称轴的所在...

【文章页数】：65 页

【学位级别】：硕士

【部分图文】：

图２－１?（左图）无监督降维，（右图）有监督降维??

别算法研究??２．２?ＬＤＡ线性判别分析??上一节中的ＰＣＡ算法属于无监督：算法，它不具有类别判别标签，类与类之??间的塞别不被特．．．定的重分。而线性判别分析（Ｌｉｎｅａｒ?Ｄｉｓｃｒｉｍｉｎａｎｔ?Ａｎａｌｙｓｉｓ，?ＬＤＡ）??算法［１８］是一种监督算法，它对于每个类别都具....

图２－４圆形ＬＢＰ算子示例??

兰州大学硕士学位论文?棊于灰度值对称虚拟样本的人脸识别算法研究??也不会改变。由于这种特性致使ＬＢＰ算子对于光照变化具有良好的鲁棒性，这??使得通过ＬＢＰ算子提取人脸图像的纹理特征能够很好的应用到人脸识别中，人??脸识别中的光影变化也不会改变ＬＢＰ算予的输出。??如图２－３所示，....

图２－３?ＬＢＰ算子的灰度不变性??

兰州大学硕士学位论文?棊于灰度值对称虚拟样本的人脸识别算法研究??也不会改变。由于这种特性致使ＬＢＰ算子对于光照变化具有良好的鲁棒性，这??使得通过ＬＢＰ算子提取人脸图像的纹理特征能够很好的应用到人脸识别中，人??脸识别中的光影变化也不会改变ＬＢＰ算予的输出。??如图２－３所示，....

图２－５?ＯＲＬ数据库的部分图像示例??

?（４）人脸图像分类与识别。将上一步中提取出来的人脸特征信息代入到人脸特??征模板中，将待识别样本通过特定的方法与训练样本相比对，通过比对的??结果判别待识别样本的最终所属类别。??常用人脸样本库包括｜??（１）?ＯＲＬ数据库在ＯＲＬ数据库中，共有４００张人脸图像，包含４０名受试....

本文编号：4051365