变化光照环境下人脸识别-电气工程专业论文.docxVIP

重庆大学 重庆大学硕士学位论文 英文摘要 PAGE PAGE IV statistical method. By the end of the article, in order to verify the applicability and effectiveness of the proposed method, the illumination compensation experiment is carried out on part of images in Yale B and MCU-PIE face database and the compensation effect is evaluated; The face recognition experiment on the images after illumination compensation using the proposed feature extraction methods; A real-time face recognition system is designed basing on OpenCV, realizing the collection of real-time face data, artificial sample selection, sample training and face recognition. Keywords: Illumination compensation, Face recognition, Pulse coupled neural network, Anisotropy, Local binary pattern 重庆大学硕 重庆大学硕士学位论文 目 录 目 录 中文摘要I 英文摘要 II 1 绪 论 1 1.1 课题背景及意义 1 1.2 人脸识别的发展及现状 2 1.3 人脸识别面临的挑战 3 1.4 光照变化对人脸识别的影响 4 1.5 本文的主要研究内容 5 2 人脸识别中减小光照影响的方法 7 2.1 三维人脸 7 2.2 红外人脸 7 2.3 光照变化模型 8 2.3.1 光照锥方法 8 2.3.2 球谐函数子空间方法 9 2.4 光照不变特征 9 2.4.1 梯度域特征 9 2.4.2 商图像 10 2.4.3 LBP 方法 10 2.5 光照补偿 10 2.6 小结 11 3 基于脉冲耦合神经网络的光照补偿方法 12 3.1 几种典型的光照补偿方法 12 3.1.1 直方图均衡化 12 3.1.2 基于 Retinex 理论的光照补偿 13 3.1.3 同态滤波法 14 3.1.4 神经网络的方法 15 3.2 脉冲耦合神经网络 16 3.2.1 生物神经元信号的发放原理 16 3.2.2 脉冲耦合神经网络的模型 16 3.2.3 脉冲耦合神经网络的自动波特性分析 18 3.3 基于改进脉冲耦合神经网络模型的光照补偿 20 3.3.1 图像的统计特性分析 20 anisotropic-PCNN 模型设计 22 基于 anisotropic -PCNN 的图像光照补偿 24 3.4 光照补偿的评价参数 26 3.4.1 图像的均值 26 3.4.2 标准差 26 3.4.3 基于梯度域的图像清晰度 26 3.5 小结 26 4 基于 LBP 的人脸识别方法 28 4.1 人脸识别方法分类 28 4.2 基于局部二值模式（LBP）的人脸识别 28 LBP 的原理 28 LBP 的特点 30 4.2.3 LBP 用于人脸识别 31 4.3 LBP 子块人脸识别 32 4.3.1 几种代表性的 LBP 子块人脸识别 32 4.3.2 基于局部 LBP 子块的人脸识别 33 4.4 小结 35 5 改进的光照补偿方法在 LBP 人脸识别中的应用 36 5.1 光照补偿对比实验及分析 36 5.1.1 在 Yale B 人脸数据库中的光照补偿实验 36 5.1.2 在 MCU-PIE 人脸数据库中的光照补偿实验 40 5.2 基于 Yale B 人脸数据库的人脸识别实验 42 5.3 基于 OpenCV 的人脸识别系统 44 5.3.1 系统的主要硬件 44 5.3.2 人脸识别流程 47 5.3.3 基于 OpenCV 的人脸识别系统实现 48 5.4 小结 51 6 结论与展望 52 6.1 论文总结 52 6.2 论文展望 53 致 谢 54 参考文献 55 附 录 59 A. 作者在攻读学位期间发表的论文目录 59 重庆大学 重庆大学硕士学位论文 1 绪 论 PAGE PAGE