导读:本文包含了多视角人脸识别论文开题报告文献综述及选题提纲参考文献，主要关键词:模式识别,非正面人脸识别,低分辨率,核主成分分析
多视角人脸识别论文文献综述
曾啸,黄华[1]（2015）在《基于非线性特征和线性映射的多视角低分辨人脸识别算法》一文中研究指出针对分辨率变化、视角变化和认证集单样本等实际条件下的人脸识别问题,提出了一种基于回归的人脸识别算法。该算法采用核主成分分析法(kernel principal component analysis)分别提取侧面低分辨率和正面高分辨率人脸特征,利用Procrustes分析建立每一种侧面视角低分辨率KPCA特征和正面高分辨率KPCA特征间的映射关系,从而获得对应的回归模型。根据这些回归模型,即可得到测试侧面低分辨率人脸对应的正面高分辨率KPCA特征,并通过最近邻分类器进行识别。在标准图库上的实验表明,与基于线性模型的人脸识别对比算法相比,本文所提算法识别率提高了4%至36%,而在线测试时间仅比最快的对比算法多1.087ms。(本文来源于《中国科技论文》期刊2015年14期）
王海峰[2]（2015）在《基于SIFT算法的多视角人脸识别技术的优化》一文中研究指出随着社会科技的进步和人们生活水平的提高,信息安全与保密问题越来越受到人们的重视。因此,近些年来出现了许多身份认证技术,人脸识别技术迅速成为了这一领域的研究热门。人脸识别技术涉及图像处理、计算机视觉、模式识别等多个领域,在身份安全认证系统、公安系统的罪犯识别、人机交互、智能门禁系统等领域中都有广泛的应用。多视角问题是人脸识别技术的难点,它不同于正面人脸识别,人脸侧倾角度不可预知,而且面部侧倾后可能会增加匹配难度并降低配准率和识别率。因此,人脸识别技术的研究方向倾向于对多视角下人脸的识别问题。SIFT算法是基于局部特征的匹配算法,以其高识别率和识别速度引起广泛关注。但通过具体的实验发现,SIFT算法对于人脸光照强度变化偏大和侧倾角度偏大情况下的配准率并不高。为了提高SIFT算法在人脸光照强度变化偏大和侧倾角度偏大情况下的配准率,本文主要做了以下研究工作：从特征描述子的生成方式上详细分析了SIFT算法在光照强度变化偏大、侧倾角度偏大时匹配效果差的原因。提出了一种新颖的特征匹配算法,将BP网络应用于图像匹配。其基本思想是利用已匹配成功的SIFT特征点作为训练样本,建立基于BP神经网络的预测模型,然后利用该模型预测SIFT特征点可能出现的坐标,围绕着该坐标附近搜索匹配点。本文的实验结果表明,利用该预测模型能有效降低错配点数量,并增加正确匹配对数目,从而提高SIFT算法配准率和识别率。提出了基于SIFT算法和特征匹配的人脸识别算法,提高了SIFT算法的人脸识别率。(本文来源于《华北电力大学》期刊2015-06-01）
曾啸,黄华[3]（2015）在《潜在空间的多视角低分辨人脸识别算法》一文中研究指出提出了一种基于回归的人脸识别算法,采用偏最小二乘法为正面高分辨率特征和侧面低分辨率特征建立潜在空间,在潜在空间中利用岭回归获得正面高分辨率潜在特征和侧面低分辨率潜在特征间的线性关系。在标准图库上的实验证明了提出算法的有效性。(本文来源于《中国科技论文》期刊2015年08期）
翟星[4]（2014）在《基于人脸识别的多视角安检追逃系统设计与实现》一文中研究指出在计算机视觉领域,人脸作为一种重要的生物特征,其非接触、便捷、可靠等优点使它成为最具前途的身份认证方法,在经济、安全、社会保障、犯罪、军事等领域具有很高的应用价值。同时,人脸识别也是模式识别的重要课题之一,具有重要的研究价值。本论文设计并实现了一套基于人脸识别的多视角安检追逃系统,主要内容如下：(1)结合安检闸口的实际应用场景,考虑到肤色检测方法具有相对稳定、速度快等优点,本系统选用基于肤色分割方法进行人脸区域预定位。该方法在YCbCr颜色空间中采用高斯分布模型分割肤色,得到类人脸区域,然后对其进行形态学处理得到粗定位后的人脸候选区域以辅助并加速后续人脸检测过程。(2)针对肤色分割方法准确率低和AdaBoost对高清监控画面进行整帧搜索检测效率低的问题,系统借鉴并采用肤色分割实现AdaBoost人脸检测的前端优化。为解决多视角人脸检测中的姿态问题,系统采用金字塔型分类器将大姿态角人脸检测分解为若干小姿态角人脸检测。(3)在识别算法方面,为了解决姿态变化所导致的算法识别率下降问题,系统采用姿态无关人脸识别方法,通过建立多姿态人脸库,使特定姿态的人脸在相关姿态人脸库中得到最佳匹配。(4)论文设计并实现了一套基于人脸识别的多视角安检追逃系统。系统通过叁路高清相机采集安检闸口监控视频,采用本文所研究算法设计实现了其中的多视角人脸检测、人脸识别核心算法模块。(本文来源于《北京交通大学》期刊2014-05-01）
钟诚[5]（2014）在《多视角人脸识别算法研究》一文中研究指出随着计算机技术的不断发展,社会环境的日益复杂,日常生活中对于安全的需求越来越高。人脸识别技术作为日益成熟的生物特征识别技术,通过比较人脸的生物特征信息来对身份加以鉴别,其原理是通过图像处理技术以及模式识别技术对图像进行分析处理,并从中提取出有效信息,以此来确定待鉴别的人物身份。它在公共安全、信息安全、人机交互等方面有着广泛的应用价值。本文在分析和总结多视角条件下人脸识别算法的研究状况以及发展趋势的基础上,针对光照、姿势和角度变化等影响因素进行了深入而系统地研究。Adaboost结合Haar特征的方法是目前主流的人脸识别算法,具有高速度,高准确率的有点。本文在传统的Adaboost方法上提出了多角度的人脸模版训练方法,使得该算法能将检测出的人脸做出角度预分类。人脸识别系统有两个主要的环节：人脸定位和检测,人脸识别。在此两个环节的基础上,本文首先详细介绍了在多视角的复杂情况下基于概率统计模型算法的人脸检测定位；然后通过尺寸归一化、灰度归一化等技术对人脸图像进行预处理；然后通过基于多角度的adaboost模版检测方法,完成了对多角度人脸的检测和人脸角度的预估计。本文采用CMU_PIE人脸数据库作为训练数据,并设计出了一套多层次的检测算法。并针对多检测框重合的问题设计出了一套解决办法。实验结果表明本文算法能够取得很高的识别率,具有有效性和可行性。(本文来源于《广东工业大学》期刊2014-05-01）
邢健飞[6]（2013）在《基于叁维人脸建模的多视角人脸识别方法研究》一文中研究指出作为典型的模式识别任务，人脸识别有着巨大的实际应用价值与市场前景。理想环境下的人脸识别已经取得不俗成绩，然而，当所处环境变化（如姿态变换、夸张表情、阴阳脸、分辨率较低）时，识别难度增加，效果也急剧变差。与此同时，现有方法大多数无法实时（在线）完成人脸识别任务，这也限制了人脸识别技术的应用。本文在浙江省大学生科技成果推广项目(2013R407063)的赞助下，以人脸识别的背景及目的意义为出发点，考虑到人脸的叁维结构，分析研究了基于叁维人脸建模的多视角人脸识别方法，本文主要完成了以下几方面的研究工作：（1）人脸检测阶段：为了确保系统的稳定性与实时性，选择了基于AdaBoost的人脸检测算法并将所得的分类器打包成XML文件的形式，为以后的实时人脸识别系统的搭建打下了基础。（2）叁维人脸建模方面：在比较几种基于图像的叁维人脸建模方法后，选择了基于单张正面的照片的叁维人脸建模方法，与常规方法相比，该方法的可行性与实用性高，方法可以无缝链接到人脸识别系统中。本文提出了一套基于Candide-3的叁维人脸建模方法，具体分为两步：首先，使用改进的ASM（主动形状模型）算法对定位正面人脸的特征点进行定位并根据临近点插值法确定非特征点坐标；然后，在纹理贴图阶段，本文依据DMS样条函数，在Candide-3标准模型的基础上生成了含更多顶点的人脸模型，使得建立的模型真实感和连续性更好。最后，给出了根据所建叁维人脸模型生成的多视角人脸图像。（3）在人脸图像特征提取阶段：本文提出了基于深度神经网络的人脸识别方法，本文的深度神经网络的训练分为两步：无监督阶段与有监督阶段。其中，在无监督阶段，使用Sparse Autoencoder在大规模人脸库LFW的基础上进行图像恢复以训练深度神经网络。与此同时，为探讨网络层数对于识别效果的影响，本文训练了多种多层数的神经网络，实验结果表明，识别率并非与网络层数正相关；有监督阶段，采用邻近元分析的方法，利用混合人脸库人脸的多样性(多姿态、多表情、多种光照)，有目的地提高网络对于人脸的理解能力，减小相同人脸间距离，增大不同人脸间距离。实验结果表明，较传统方法，本文提出的特征提取算法可提取人脸图像的深度特征，适用于人脸姿态、表情、光照变化较大的人脸识别任务中，对于人脸识别方法的探究是一次有益的尝试。（4）在实际的人脸识别过程中：提出了一种“搜索半径”的概念。首先将每张图像用二进制数据表示。在图像检索过程中，先计算出图像间的二进制数据间的汉明距离，然后按照汉明距离排序，在汉明距离较小的半径内，寻找与待识别图像欧式距离最小的图像，根据阈值，确定该图像是否是待识别个体。实验结果表明，本套识别方法所用识别时间极小，适合于对实时性要求较高的人脸识别任务。（5）最后，本文将所有的算法整合起来，利用OpenCV、OpenGL、Armadillo等库搭建了人脸实时识别系统，并演示了系统的具体操作。实验结果表明，本套人脸系统识别效果好，识别时间短，是人脸识别较为理想的方案。(本文来源于《杭州电子科技大学》期刊2013-12-01）
王勇[7]（2010）在《多视角人脸识别的研究现状及发展前景探析》一文中研究指出多视角人脸识别是人脸识别的一个子课题。由于受到光照、表情、遮挡等条件的影响以及人脸角度的变化,使得人脸检测难度大,精度低,成为研究的难点。本文主要多视人脸识的应用领域、研究现状及未来的发展前景进行了简要的论述。(本文来源于《信息与电脑(理论版)》期刊2010年10期）
孙亦博,耿国华,周明全[8]（2007）在《多视角叁维人脸识别中的特征提取》一文中研究指出针对二维人脸识别系统在姿态发生较大变化就难以识别的问题,利用叁维人脸数据姿态不变性的特征,提出了一个基于方向最大值的方法来估计鼻尖点,同时也给出姿态的角度。用子空间表示的鼻子轮廓模型被用来选择鼻尖点的最可行的候选点。另外,利用SUSAN算子提取边缘,并与方向积分投影等方法结合,快速准确的定位内外眼角点和嘴角点。实验证明该方法可以保证达到和手工自动标定特征点相差无几的准确率。(本文来源于《微计算机信息》期刊2007年19期）
周志华,皇甫杰,张宏江,陈祖翰[9]（2001）在《基于神经网络集成的多视角人脸识别》一文中研究指出人脸在图像深度方向上发生偏转时 ,即使同一对象的人脸图像也会发生极大的变化 .在此 ,将神经网络集成应用于多视角人脸识别 ,所用的人脸特征通过多视角特征脸分析获得 .为每一视角的特征空间各训练一个神经网络 ,并利用另一个神经网络对其进行结合 .利用训练好的神经网络集成进行识别时不仅不需进行偏转角度估计预处理 ,而且还可以在给出识别结果的同时给出角度估计信息 .实验结果表明 ,该方法的识别精度高于根据精确的偏转角度估计信息挑选最佳单一神经网络所能达到的效果 .(本文来源于《计算机研究与发展》期刊2001年10期）
多视角人脸识别论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
随着社会科技的进步和人们生活水平的提高,信息安全与保密问题越来越受到人们的重视。因此,近些年来出现了许多身份认证技术,人脸识别技术迅速成为了这一领域的研究热门。人脸识别技术涉及图像处理、计算机视觉、模式识别等多个领域,在身份安全认证系统、公安系统的罪犯识别、人机交互、智能门禁系统等领域中都有广泛的应用。多视角问题是人脸识别技术的难点,它不同于正面人脸识别,人脸侧倾角度不可预知,而且面部侧倾后可能会增加匹配难度并降低配准率和识别率。因此,人脸识别技术的研究方向倾向于对多视角下人脸的识别问题。SIFT算法是基于局部特征的匹配算法,以其高识别率和识别速度引起广泛关注。但通过具体的实验发现,SIFT算法对于人脸光照强度变化偏大和侧倾角度偏大情况下的配准率并不高。为了提高SIFT算法在人脸光照强度变化偏大和侧倾角度偏大情况下的配准率,本文主要做了以下研究工作：从特征描述子的生成方式上详细分析了SIFT算法在光照强度变化偏大、侧倾角度偏大时匹配效果差的原因。提出了一种新颖的特征匹配算法,将BP网络应用于图像匹配。其基本思想是利用已匹配成功的SIFT特征点作为训练样本,建立基于BP神经网络的预测模型,然后利用该模型预测SIFT特征点可能出现的坐标,围绕着该坐标附近搜索匹配点。本文的实验结果表明,利用该预测模型能有效降低错配点数量,并增加正确匹配对数目,从而提高SIFT算法配准率和识别率。提出了基于SIFT算法和特征匹配的人脸识别算法,提高了SIFT算法的人脸识别率。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
多视角人脸识别论文参考文献
[1].曾啸,黄华.基于非线性特征和线性映射的多视角低分辨人脸识别算法[J].中国科技论文.2015
[2].王海峰.基于SIFT算法的多视角人脸识别技术的优化[D].华北电力大学.2015
[3].曾啸,黄华.潜在空间的多视角低分辨人脸识别算法[J].中国科技论文.2015
[4].翟星.基于人脸识别的多视角安检追逃系统设计与实现[D].北京交通大学.2014
[5].钟诚.多视角人脸识别算法研究[D].广东工业大学.2014
[6].邢健飞.基于叁维人脸建模的多视角人脸识别方法研究[D].杭州电子科技大学.2013
[7].王勇.多视角人脸识别的研究现状及发展前景探析[J].信息与电脑(理论版).2010
[8].孙亦博,耿国华,周明全.多视角叁维人脸识别中的特征提取[J].微计算机信息.2007
[9].周志华,皇甫杰,张宏江,陈祖翰.基于神经网络集成的多视角人脸识别[J].计算机研究与发展.2001