文档介绍：摘要人脸图像分析技术是计算机视觉和模式识别领域非常活跃的研究课题,其目的是让计算机通过图像信息自动地完成人脸检测、人脸识别、面部性别识别和面部表情识别等功能,在安全保卫、电子娱乐和科学教育等方面有着广泛的应用前景。本文以学习和二维子空间方法为基础,以人脸图像分析为应用,重点进行了四个方面的研究:中弱分类器的构造问题。对基于局部二元模式算子和主成分分析的分类方法嵌入算法进行了研究和讨论。乒愣鞒煞址治鑫7窍咝远鞒煞址治觥2⑻⊙疚侍馕D康模提出了二维典型相关分析的算法模型。怨菇ㄒ恢钟行У耐枷窬植刻卣魈崛》椒ㄎD康模提出了二维偏最/乘的算法模型。本文主要工作与创新如下:本文首先全面介绍了人脸图像分析研究的历史与现状。人脸图像分析研究根据其目的的不同,主要可以分为人脸检测,人脸识别,面部特征检测与提取,人脸属性识别和面部表情识别等问题。本文选取其中典型的三类问题:人脸检测。人脸识别和面部表情识别进行综述。分类对他们的研究历史、最新成果、主要方法和现存技术难点进行了全面的介绍和分析。此外,还对人脸图像分析研究中常用的人脸数据库进行了汇总。研究了局部二元模式算子与算法相结合进行两类分类的问题。提出了两种基于拿娌啃员鹗侗鸱椒ǎ渲械腂椒ㄊ紫炔捎每杀涑叽绲淖哟翱诙匀肆图像进行扫描。在扫描所得的每个子窗口中,使用阕佣愿米哟翱诮刑卣魈崛。这些特征由对应于局部二元模式的直方图来表示。计算样本图像的狈酵己湍0宓狈酵贾涞亩攘浚⒂纱斯菇ㄈ醴掷嗥骷H缓罄肁惴ㄑ∪∽钣行У若干个弱分类器集组合成为强分类器。实验结果表明:首先,阕幽苡行У拇尤肆图像中提取出针对人脸性别分类的特征,并可以达到人脸性别分类的目的。其次,本文提出的两种基于阕拥姆椒ǹ梢杂行У慕饩龃矻方法所存在的特征提取范围有限、加权机制客观性不足等问题。最后,本文两种方法,尤其是椒ǹ以获得较其他方法更优的分类结果。研究了主成分分析与算法相结合进行多类分类的问题。提出了称为的面部表情识别方法。该方法基于传统的算法,采用树形结构将七种表情的分类问题分艉为六层的二分类问题加以解决。在算法中,“组合块”策略对特征向量进行任意组合以构造弱分类器集。该策略既解决了任意组合特征向量带来的“数据灾难”问题和数据冗余问题,又可以配合方法挑选出最佳的特征向量组合来构造最终的强分类器。实验表明,此方法所取得的识别率优于基于虯拿娌勘砬槭侗鸱椒ā研究了非线性二维主成分分析并提出了一种快速算法。椒ǖ谋局适侵苯佣酝像协方差矩阵进行特征提取,而不使用传统椒ㄋ扇〉耐枷窭痹ご恚硕主成分分析则是传统主成分分析方法的非线性扩展,其利用核技巧完成这一功能。同样,
知识水坝***@pologoogle为您整理
核化椒ń行У奶岣吒梅椒ǖ氖侗鹦阅堋H欢毖炯洗笫保普通方法通常会面临巨大运算量和存储开销的问题。我们将提出一种快速算法,能明显的提高特征提取的速度以及有效的降低存储开销。人脸识别实验的结果证明,本文所提出的快速算法在取得与普禩椒ㄏ嗤氖侗鹫仿实耐保诩扑闶奔和内存开销上有显著降低。推广传统典型相关分析为二维典型相关分析方法,并利用其解决入脸识别中的小样本问题。在基于传统典型相关分析,的人脸识别中,。针对以上问题,本文提出了一种改进的有监督统计学习方法,8梅椒ㄓ氪矯方法的最大区别之处在于苯邮褂迷纪枷窬卣蠼刑卣魈崛。恍枰6酝枷窠芯卣到向量的拉直处理。在实际应用中,由椒ḿ扑愕玫降男讲罹卣笸ǔJ锹的,因此该方法可以有效的解决小样本问题。本文首先阐述方法的基本原理并给出了类成员关系矩阵的构造方法。其次,推导出了类成员关系协方差矩阵广义逆的解析解。再次,从理论上证明了椒ǘ杂诮饩鲂⊙疚侍獾挠行浴W詈螅用人脸识别实验来测试该方法的性能,实验结果表明,椒ㄓ行У亟饩隽送枷识别中常见的小样本问题,并且能取得较其他几种基于娜肆呈侗鸱椒ǜ诺氖侗提出了一种基于二维偏最小二乘法局部特征提取方法,并将其应用于面部表情识别中。该方法首先利用局部二元模式算予提取一幅图像中所有子块的纹理特征并将其组合成局部纹理特征矩阵。由于样本图像被转化为局部纹理特征矩阵,我们将传统椒ㄍ乒阄6琍方法来提取其中的判别信息。在二维椒ㄖ校颐嵌岳喑稍惫叵稻卣蟮墓乖旖辛讼嘤Φ男薷模蛊适应样本的矩阵形式并能体现出人脸局部信息重要性的差异。同时,对于类成员关系协方差矩阵的奇异性问题,推导出了其广义逆的解析解。基于肆潮砬榭獾氖笛榻果表明本文方法可以有效的提取图像局部特征,并能取得良好的表情识别性能。关键词:入脸图像分析,人脸识别,面部性别识别,面部表情识别,局部二元模式,二维