- 1、本文档共47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
原创性声明
本人郑重声明:所呈交的学位论文,是本 人在导师指导 下, 进行研究工作所取得的成 果。除文中已经注明 引用的内容外,本;学位论文不包含任何他人或集体已经发表的 作品内 容,也不包含本人为获得其他学位而使用过的材料。对本论文所涉及的研究工作做出贡献 的其他个人或集体,均己在文中以明确方式标明。本学位论文原 创性声明的法律责任由本 人承担。
学位论文作者签名: 互如 日期: 2.014:12、2
关于学位论文版权使用授权的说明
本人完全 了解河北工业大学关于收集、保存、使用学位论文的以下规定: 学校有权采 用影印 、缩印、扫描、数字 化或其它手段保存论文;学校 有权提供本学位论文全文或者部 分内容的阅览服务; 学校有权将学位论文的全部或部分内容编入 有关数据库进行检索、交 流:学校有权 向国家有关部门或者机构送交论文的复 印件和电子版。
(保密的学位论文在解密后适用本授权说明〉
学位论文作者签名 : 王同地 日期: 2?1乌 11.3
导师签名:作同 Q二 日期: 20 /t 12- 2
河北
河北工业大学硕士学位论文
基于
基于典型相关分析的性别识别算法研究
摘 要
性别识别技术涉及模式识别、心理学、人工智能、计算机视觉等不同领域,在人机对话、 图像与视频检索、人口信息采集、安全门禁、身份认证等方面都有着一定程度的应用,因此 被各个领域的研究人员所关注。然而,性别识别技术仍然处于探索阶段,不同的算法都存在 一定的局限性,如何提高性别识别的准确性及其自动化程度依旧是一个值得研究的问题。由 于利用典型相关分析(CCA)将同一模式下的两组特征矢量进行融合的方法在人脸识别、手写 体识别、表情识别等问题中都体现出其优越性,因此,本文重点研究了 CCA 在性别识别中 的应用。本文的主要工作如下:
1. 对性别识别中常用的一些特征提取和分类方法进行了介绍,具体包括局部二值模式 (LBP)、梯度方向直方图(HOG)和 C1 等特征提取方法,以及支持向量机(SVM)、AdaBoost 和随机森林(RF)等分类决策方法。使用这些方法在 MIT 和 VIPeR 行人图像数据库上进行了性 别分类实验,对不同的特征提取和分类方法进行了比较研究。实验结果表明,在性别识别中, C1 特征优于 LBP 特征和 HOG 特征,利用 SVM 进行性别识别具有较好的性能。
2.提出了基于 CCA 特征融合和 SVM 的全身图像性别识别方法。首先,利用 CCA 方法 对 LBP 特征、HOG 特征以及 C1 特征进行两两融合,得到 LBP-HOG、LBP-C1 和 HOG-C1 三种组合特征,然后,使用 SVM 方法进行性别识别。在 MIT 和 VIPeR 图像数据库上进行了 实验,对三种组合特征以及单一特征在性别识别中的优劣进行了比较。实验结果表明,在性 别识别中,利用 CCA 融合得到的组合特征优于单特征。在三种组合特征中, HOG-C1 特征 识别效果最好。
3.研究了朝向对全身图像性别识别的影响, 提出了一种基于 CCA 特征融合、并考虑朝 向的全身图像性别识别算法。首先,利用 CCA 方法对 HOG 和 C1 特征进行融合,然后,利 用 SVM 对朝向进行分类。在预测朝向的过程中,根据测试样本到 SVM 超平面距离将朝向归 为三种情况,即正面朝向、背面朝向以及正面与背面混合朝向。然后根据每一种情况进一步 进行性别识别。实验结果表明,本文提出的方法使得性别识别率进一步提高。
关键词:性别识别 典型相关分析 特征融合 C1 特征 支持向量机
I
PAGE
PAGE IV
ABSTRACT
Gender recognition is involved in pattern recognition, psychology, artificial intelligence, computer vision, it has a certain degree of applications in human-machine dialogue, image and video retrieval, demographic information collection, security access system, identity authentication ,etc, therefore it has received widely attentions. However, gender recognition is still in an exploratory stage,and each method has its limitations. How to improve automaticity and accuracy of
您可能关注的文档
- 基于地质灾害的异源空间数据集成方法研究-摄影测量与遥感专业论文.docx
- 基于地质钻孔数据的地层三维可视化研究-计算机应用技术专业论文.docx
- 基于递归对象模型的跨语言转换研究-计算机应用技术专业论文.docx
- 基于递归滤波算法的非线性状态空间模型的统计推断-应用数学专业论文.docx
- 基于递归模糊神经网络理论盲均衡算法的研究-电路与系统专业论文.docx
- 基于递归神经网络的非线性时变系统辨识方法-系统工程专业论文.docx
- 基于递归神经网络的非线性系统辨识研究-信息与通信工程、通信与信息系统专业论文.docx
- 基于递归神经网络的广告点击率预估-计算机科学与技术专业论文.docx
- 基于递归神经网络的生物医学命名实体识别-计算机应用技术专业论文.docx
- 基于递归神经网络的石化生产软测量建模方法研究-信息与通信工程、通信与信息系统专业论文.docx
文档评论(0)