文档介绍：中文摘要的基础上,提出了适合于大规模数据库的人脸特征提取算法一摘要氖甑难芯糠⒄梗肆呈侗鸺际醯玫搅顺ぷ愕姆⒄共⑼度氲了商业应用。但实践表明人脸识别技术还远不够成熟,特别是在大规模数据库条件下,存在识别率较低、识别时间较长等严重问题。为此,本文主要对大规模数据库下的人脸识别进行研究,重点对大规模数据库下的人脸识别问题中识别率较低、识别时间较长两个关键性问题进行了研究,并提出了新的算法。本文的主要工作和创新如下:源蠊婺J菘庀伦涌占浞治鱿盗兴惴ǖ男阅芙辛讼低车匮芯俊T谡一部分,本文首次对在大规模数据库下子空间分析系列算法的性能进行了系统地研究。通过大量的实验,得出了几点对今后子空间分析算法在大规模数据库上的性能研究具有参考意义的结论:在大规模数据库的情况下,基于核的非线性子空间分析算法优于线性子空间分析算法;在基于核的非线性子空间分析系列算法中,基于核的有监督局部保持投影算法在大规模数据库上的性能最优。有监督多尺度核局部保持投影算法。该算法首先对人脸图像进行浠唬分提取原始图像的细节特征。然后采用双向二维主分量分析薪维的同时考虑图像的拓扑信息,保证后续操作能够提取到可分性特征。最后在形结构特征,同时利用样本类别信息,获取判别意义上的最优人脸特征。实验证岢隽嘶诙劾嗟拇蠊婺H肆晨饪焖偌焖魉惴ā1疚恼攵匀肆呈侗技术的自身特点,提出了基于动态聚类的索引机制,最终提出了一种基于动态聚类的适合大规模人脸库的快速检索算法。该算法首先利用本文提出的有监督多尺度核局部保持投影算法对人脸图像库进行离线特征提取和降维,生成人脸特征库,然后用改进后的稻劾嗨惴ǘ匀肆程卣骺饨欣胂叨劾啵赏枷袼饕蒙鲜龀晒杓撇⑹迪至嘶诖蠊婺J菘獾娜肆呈侗鹣低场8孟统可以在视频流图像中实时地进行人脸的检测、定位,再和库中的人脸进行比较识别,在达到较高的识别率的同时具有较快的识别速度。此外该系统还具有人脸图像库、人脸特征库、个人基本信息库管理等功能。关键词:人脸识别;大规模数据库;特征提取;人脸检索;子空间分析;聚类分类号:卣骺占渲胁捎没诤说挠屑喽骄植勘3滞队八惴ㄌ崛∪肆撤窍咝跃植苛明了该算法在大规模数据库情况下具有较好的鲁棒性。同时提出一种新的搜索模型进行检索。实验证明该算法在保证较高的识别率的同时,极大地提高了大规模人脸库的检索效率。
知识水坝***@pologoogle为您整理
..甌瓻,.,:.,瓾琲
知识水坝***@pologoogle为您整理
.:,,;;.,瓸,.籐;;.篢.
肛手签字日期:卅≯年拢θ卅年‘月日学位论文版权使用授权书学位论文作者签名;狱俦袤本学位论文作者完全了解北京交通大学有关保留、使用学位论文的规定。特授权北京交通大学可以将学位论文的全部或部分内容编入有关数据库进行检索,提供阅览服务,并采用影印、缩印或扫描等复制手段保存、汇编以供查阅和借阅。同意学校向国家有关部门或机构送交论文的复印件和磁盘。C艿难宦畚脑诮饷芎笫视帽臼谌ㄋ得导师签名:签字日期:
月奕独创性声明学位论文作者签名:础博表加本人声明所呈交的学位论文是本人在导师指导下进行的研究工作和取得的研究成果,除了文中特别加以标注和致谢之处外,论文中不包含其他人已经发表或撰写过的研究成果,也不包含为获得北京交通大学或其他教育机构的学位或证书而使用过的材料。与我一同工作的同志对本研究所做的任何贡献均已在论文中作签字日期:年了明确的说明并表示了谢意。
致谢本论文的工作是在我的导师阮秋琦教授的悉心指导下完成的,阮老师从研究方向的选择、研究工作的开展、直至论文的完成,都对我进行了悉心的指导和严格的要求。阮老师渊博的学识、严谨的治学态度和科学的工作方法使我敬佩,同时使我在学业上受益匪浅。阮老师不仅在学习上给了我极大的帮助,同时在生活上给予我无微不至的关怀。在此衷心感谢两年来我的导师阮秋琦教授对我的关心同时在攻读硕士学位的两年时间里,信息所裘正定老师、丁晓明老师、倪蓉蓉老师、朱振峰老师、刘渭滨老师等教授的课程为我的研究工作打下了坚实的理论基础。同时,安高云老师对我的科研工作给予了较大的帮助。在此对信息所的所有老师表示衷心的感谢。在实验室工作及撰写论文期间,金一、郭松、曾祥嫒、张瑾、贾贝贝、朱刻峰、田文君、严宏君等同学对我论文中的研究工作给予了热情帮助,在此向他们另外也感谢在学习、工作和生活中给予我巨大帮助和支持的父母和家人,他们的关爱和默默支持是我一生前进的动力,感谢他们无私的给予我的一切。最后向所有在过去的日子里关心我、支持我、帮助我的人致以衷心的感谢。和指导。表达我的感激之情。
序在诸多生物特征识别技术中,人脸识别因其特有的主动性、非侵犯性以及用户友好性等优点,近年来获得了越来越广泛的关注。尽管人脸识别技术经过近几十年的研究发展,得到了长足的发展并投入到了商业应用,但实践表明人