- 1、本文档共69页,可阅读全部内容。
- 2、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
- 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载。
- 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
- 5、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
- 6、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问请联系我们。
- 7、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 8、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
基于SRM方法的人脸识别研究-计算机技术专业论文
Classified Index: TP391.41 U.D.C: 004.93
Dissertation for the Master’s Degree of Engineering
FACE RECOGNITION RESEARCH BASED ON SRM
Candidate: Yu Liang
Supervisor: Prof. Xu Yong
Asst. Supervisor: Senior Engineer Liu Dongjiang Academic Degree Applied for: Master of Engineering Specialty: Computer Technology
Affiliation: FOXCONN Technology Group
Date of Defence: December, 2012
Degree-Conferring-Institution: Harbin Institute of Technology
摘 要
人脸识别起源于模式识别,是图像处理中的热门研究方向,经过几十年的 研究,取得了显着的成就,在诸多领域都有重要的应用。在现有的大多数人脸 识别研究中,能否进行有效的特征抽取并进行线性变换是影响人脸图像识别效 率的一个重要因素。究竟哪种特征提取方法是最优选择尚未出现定论。而基于 信号统计领域的稀疏描述方法(Sparse Representation Method, SRM)提供了一 种新的思路,绕开线性特征抽取这一步骤,采用图库中的训练样本的线性组合 来描述测试图像,然后使用最近子空间(Nearest Subspace, NS)方法对测试图 像分类,以此完成对人脸图像的识别。SRM 认为构造鲁棒的分类器比选择何种 特征抽取方法对于人脸识别系统更为重要。SRM 方法有创新之处,也有其劣势, 它的算法需经过多步迭代才能完成 l1 范数的求解,其计算复杂度高。本文将在 稀疏描述方法的基础上,提供几种具有较低计算复杂度的改进算法,并通过人 脸识别实验以检验改进算法的识别率。
SRM 方法的算法难度在于,如何求解图库中训练样本的线性表达式最稀疏 的的分解系数,亦即:对测试样本进行分类将产生大量的计算。在本文中,基 于构造简化的分类器和考虑实际应用中的因素,我们设计了四套稀疏描述方法 的改进算法。改进算法包括:使用样本均值建立稀疏表达式,在样本中增加均 值脸,引入其它识别方案作为预处理步骤,构造虚拟训练样本。我们在目前主 流的人脸图像数据库(ORL, YALE, AR)上进行实验,并选用不同数量训练样 本和测试样本来检测新方法的可靠性。实验过程在 MATLAB 开发环境中完成。
经统计实验结果,所有四个实验方案都能取得满意的识别率,同流行的人 脸识别方案相比,本文所提供方案的识别率优于后者,特定条件下可达 10%以
上的提高。
关键词:人脸识别;稀疏描述方法;改进算法;识别率
Abstract
Face recognition (FR) is origined from pattern recognition, a hot research topic in image processing area. After several decades of study, FR has achieved a lot goals and rooted in many fields. In most current reasearches one of the important issues which affect FR accuracy is feature extraction, which is mostly done through linear transformation. Optimal feature extraction remains to be a tricky question for researchers. However, based on signal statistics, the Sparse Representation Method (SRM) provides a novel solution. It exploits a linear combination of the training samples to represent test samples and uses NS principle to classify test images, regardless of feature extraction. Accoding to SRM, to build a robust classifier is much more
您可能关注的文档
- 基于SPIHT的彩色图像压缩编码研究-信号与信息处理专业论文.docx
- 基于SPIN的协议的形式化分析和验证-计算机应用技术专业论文.docx
- 基于SPIHT算法的图像压缩编码研究-通信与信息系统专业论文.docx
- 基于Spike神经网络的脑组织图像分割算法研究-计算机技术专业论文.docx
- 基于SPIHT的无表零树图像编码算法-电子与通信工程专业论文.docx
- 基于SPI总线双CPU间通信协议栈设计及其实现-软件工程专业论文.docx
- 基于Spiking神经网络的白血病细胞图像边缘检测-光学工程专业论文.docx
- 基于SPI和PKI的网络安全传输方案的研究-计算机应用技术专业论文.docx
- 基于Spi演算的安全协议形式化分析-计算机软件理论专业论文.docx
- 基于SPH深度积分模型的海底滑坡数值分析-岩土工程专业论文.docx
最近下载
- 关于集团对子公司绩效考核工作的思考与建议.pptx
- 国土调查类项目支出标准.docx VIP
- 读后续写动作描写六大微技能课件++2023届高考英语作文备考.pptx
- 2023年中考语文综合性学习6结束语(全国通用)(解析版).pdf VIP
- 新时代中小学教师职业行为十项准则学习知识讲解25页PPT.ppt VIP
- 河南郑州热力集团有限公司招聘笔试题库2024.pdf
- DB44T 1503-2014 家用电器碳足迹评价导则.docx
- 苯甲苯90000吨精馏塔设计说明.pdf
- 2024年03月苏州市相城区教育局2024年面向全区公办学校遴选局机关科室工作人员和教研员笔试历年高频考点试题附黑钻版答案与详解.docx VIP
- 2024年普通高中英语课程标准测试题.doc
文档评论(0)