基于bow模型的人脸识别方法研究-信号与信息处理专业论文.docxVIP

万方数据 万方数据 Classified Index: U.D.C: A Dissertation for the Degree of M.Eng Research on Face Recognition based on Bag of Words Model Candidate: Li Xiaocui Supervisor: Lecturer Cang Yan Academic Degree Applied for: Master of Engineering Specialty: Signal and Information Procassing Date of Submission: Jan. 2014 Date of Oral Examination: Mar. 2014 University: Harbin Engineering University 哈尔滨工程大学 学位论文原创性声明 本人郑重声明：本论文的所有工作，是在导师的指导下，由作者本人独立完成的。 有关观点、方法、数据和文献的引用已在文中指出，并与参考文献相对应。除文中已注 明引用的内容外，本论文不包含任何其他个人或集体已经公开发表的作品成果。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。 作者(签字)： 日期： 年 月 日 哈尔滨工程大学 学位论文授权使用声明 本人完全了解学校保护知识产权的有关规定，即研究生在校攻读学位期间论文工作 的知识产权属于哈尔滨工程大学。哈尔滨工程大学有权保留并向国家有关部门或机构送 交论文的复印件。本人允许哈尔滨工程大学将论文的部分或全部内容编入有关数据库进 行检索，可采用影印、缩印或扫描等复制手段保存和汇编本学位论文，可以公布论文的 全部内容。同时本人保证毕业后结合学位论文研究课题再撰写的论文一律注明作者第一 署名单位为哈尔滨工程大学。涉密学位论文待解密后适用本声明。 本论文(□在授予学位后即可 □在授予学位12个月后 □解密后)由哈尔滨工程 大学送交有关部门进行保存、汇编等。 作者(签字)： 导师(签字)： 日期： 年 月 日 年 月 日 基于 基于 BoW 模型的人脸识别方法研究 摘 要 在计算机和网络技术高速发展的时代，人脸识别技术也随之快速发展，并逐渐成为 模式识别、人工智能等领域的研究热点。人脸识别技术不仅在企业应用、公共安全等方 面应用广泛，而且在国家信息安全和金融安全等方面发挥了重要的作用。虽然人脸图像 容易采集，但是由于表情改变、光照及姿态不同、遮挡和年龄等问题的存在，使得人脸 识别技术的进展极其缓慢。通过阅读大量的相关文献不难发现，大部分的人脸识别方法 都只针对其中的某个问题来寻求解决的方法，而没有考虑到其中两个或多个问题同时存 在时的解决方案，所以寻求一种鲁棒的人脸识别方法将是今后研究的一个重点内容。Bag of words (BoW)模型最初被应用于文档处理领域，而后被引入到图像处理领域，并得到 了很好的效果。本文将 BoW 模型应用于人脸识别领域，并且在研究该模型的基础上， 针对其中存在的一些不足进行了改进： 首先，在视觉词典的构造环节，为了得到更可靠更高效的视觉词典，针对传统 k -means 聚类方法存在的过度依赖于初始聚类中心、随着数据量增大，计算复杂度增高 和容易陷入局部极小等问题，将二分 K 均值引入到 BoW 模型中，进行视觉词典的构造。 该方法每次迭代过程中只有两个聚类中心，不仅有效的降低了对初始聚类中心的依赖还 减少了收敛时所需的迭代次数，从而提高了计算效率。实验结果表明，本文提出的方法 不仅有效的提高了人脸识别率，还有效的缩短了构造视觉词典所需的时间。 其次本文将所提出的改进方法应用于单样本的人脸识别，由于在现实生活中，很多 情况下都只能获得样本的单张图像，如居民身份证、驾驶证、护照等，因此单样本的人 脸识别系统已经成为人脸识别重要的发展方向。由实验结果可以看出，本文提出的算法 对于单样本的识别率很高，并且对于光照、表情及部分遮挡、面部不同角度的姿态等情 况都具有很好的鲁棒性 最后在分析了支持向量机(SVM)分类方法和人脸识别实际应用需求的基础上，将相 关向量机(RVM)引入BoW模型中，将其作为分类器来对人脸图像进行分类识别。该方法 有效的解决了SVM的预测结果不是概率性质、核函数必须满足 Mercer 条件等问题，而 且与SVM相比，RVM更稀疏，使用了更少数量的支持向量，从而显著减少了测试样本 的计算时间。实验结果表明，RVM的识别率等于有时略低于SVM，但RVM有效的缩短 了测试时间，这对于人脸识别的实际应用具有重要的意义。 关键词： 人脸识别；BoW 模型；二分 K 均值；相关向量机；单样本人脸识别 ABS