检索结果-内蒙古大学图书馆

人脸识别系统以其方便、非侵入的特点受到军事、商业、安全、信息等多个应用领域的青睐。但是，由于人脸的外观总是处于不断的变化之中，一般的无约束环境下的人脸识别问题远未解决。本文重点研究了单训练样本下的鲁棒人脸识别问题。所谓单训练样本是指在某些应用场合（如公安数据库）每个人只有一张训练图像的一种样本极端稀缺的情形。这问题的解决，不仅有助于提高人脸识别系统的可用性，也有助于解决模式识别中极端小样本问题。\n 本文从局部方法入手，以自组织神经网络（SOM）为基本工具，从不同的角度（保持局部特征的拓朴结构、结合局部和全局信息、提取重要的局部区域、改进相似度计算方式）寻找解决上述问题的途径，获得了一些成果。本文的主要贡献总结如下：\n （1）从人脸图像的局部特征组表示出发，提出了一个基于SOM投影和软最近邻决策的人脸识别计算模型（SOM-face），为少量训练图像情形下的人脸识别提供了一个新的思路。其主要优点是：①支持单人单幅训练图像情形下的人脸识别，②无需构造额外虚拟样本，特征提取方法简单，且在训练结束后能够对人脸进行快速和稳定的识别，③具有一定的鲁棒性，在图像缺失较为严重及姿态角度变化较大时仍能获得高于传统PCA方法的识别率，④利用SOM的可视化能力，对高维人脸数据在低维拓朴空间中的投影进行可视化，有望获得对高维人脸数据类别分布的更为深入的直观理解，⑤SOM-face实际上可视为一种低存储量的人脸表示形式，在一些存储容量极为有限的应用（如Smart Card）场合，它可作为一种有效的存储形式。\n （2）从一个新的视角来研究SOM输出空间的统计特征，将文本分析中的有关思想引入到人脸识别领域，得到一种自动区分人脸图像重要区域的方法，并基于各局部区域的相对重要性进行特征选择，为研究者提供了一条新的、对高维图像进行特征选择的途径。在两个国际标准人脸库上的实验表明，所提出的方法在不降低识别性能的前提下最多可压缩80％的测试集子块，从而有效降低了样本所需存储空间。\n （3）探讨了将局部特征和全局特征进行组合而提高人脸识别系统性能的可能性。在两个标准人脸数据库（AR、FERET）上进行的实验表明，局部特征和全局特征的组合是可行的。代表局部特征的SOM-face算法和代表全局特征的Eigenface算法的组合，在所有的实验中均一致地提高了识别系统对表情、光照、姿态的鲁棒性，获得了比单独使用SOM-face或Eigenface时更好的识别效果。\n （4）将核方法引入到单训练样本人脸识别中，从而自然地将非欧氏距离度量嵌入输入空间，提高了对噪声的抗干扰能力和对非线性数据的泛化能力。算法的有效性在FERET数据集上得到了证实。\n （5）提出了一种基于部分距离的非规范相似度计算方法。该方法以图像局部化为基础，自动选择最为相似的局部特征来进行人脸识别，这一方面符合人们对相似度判定的方法，另一方面能够有效避免噪\n 声干扰，提高模式分布的内聚性，从而提高模式分类的泛化能力。在AR和FERET数据库上的实验均证实：①所提方法能够有效提高单训练样本条件下系统的识别率，口在自动选出的少量最相似局部特征中包含了识别所需的大部分判别信息，口最相似局部特征中包括了人脸中不易变化的局部特征（如人脸轮廓信息），而排除了易变的特征（如嘴唇、眼部信息）。

关键词：人脸识别单训练样本集成学习自组织神经网络 Eigenface 特征选择软最近邻分类器核方法

来源：评论

学校读者我要写书评

暂无评论

单训练样本条件下基于组织神经网络的鲁棒人脸识别技术研究

单训练样本条件下基于组织神经网络的鲁棒人脸识别技术研究

引用

作者：谭晓阳南京大学

学位级别：博士

人脸识别系统以其方便、非侵入的特点受到军事、商业、安全、信息等多个应用领域的青睐。但是，由于人脸的外观总是处于不断的变化之中，一般的无约束环境下的人脸识别问题远未解决。本文重点研究了单训练样本下的鲁棒人脸识别问题。所谓单训练样本是指在某些应用场合(如公安数据库)每个人只有一张训练图像的一种样本极端稀缺的情形。这问题的解决，不仅有助于提高人脸识别系统的可用性，也有助于解决模式识别中极端小样本问题。\n 本文从局部方法入手，以自组织神经网络(SOM)为基本工具，从不同的角度(保持局部特征的拓朴结构、结合局部和全局信息、提取重要的局部区域、改进相似度计算方式)寻找解决上述问题的途径，获得了一些成果。本文的主要贡献总结如下：\n (1)从人脸图像的局部特征组表示出发，提出了一个基于SOM投影和软最近邻决策的人脸识别计算模型(SOM—face)，为少量训练图像情形下的人脸识别提供了一个新的思路。其主要优点是：①支持单人单幅训练图像情形下的人脸识别，②无需构造额外虚拟样本，特征提取方法简单，且在训练结束后能够对人脸进行快速和稳定的识别，③具有一定的鲁棒性，在图像缺失较为严重及姿态角度变化较大时仍能获得高于传统PCA方法的识别率，④利用SOM的可视化能力，对高维人脸数据在低维拓朴空间中的投影进行可视化，有望获得对高维人脸数据类别分布的更为深入的直观理解，⑤SOM—face实际上可视为一种低存储量的人脸表示形式，在一些存储容量极为有限的应用(如Smart Card)场合，它可作为一种有效的存储形式。\n (2)从一个新的视角来研究SOM输出空间的统计特征，将文本分析中的有关思想引入到人脸识别领域，得到一种自动区分人脸图像重要区域的方法，并基于各局部区域的相对重要性进行特征选择，为研究者提供了一条新的、对高维图像进行特征选择的途径。在两个国际标准人脸库上的实验表明，所提出的方法在不降低识别性能的前提下最多可压缩80％的测试集子块，从而有效降低了样本所需存储空间。\n (3)探讨了将局部特征和全局特征进行组合而提高人脸识别系统性能的可能性。在两个标准人脸数据库(AR、FERET)上进行的实验表明，局部特征和全局特征的组合是可行的。代表局部特征的SOM—face算法和代表全局特征的Eigenface算法的组合，在所有的实验中均一致地提高了识别系统对表情、光照、姿态的鲁棒性，获得了比单独使用SOM—face或Eigenface时更好的识别效果。\n (4)将核方法引入到单训练样本人脸识别中，从而自然地将非欧氏距离度量嵌入输入空间，提高了对噪声的抗干扰能力和对非线性数据的泛化能力。算法的有效性在FERET数据集上得到了证实。\n (5)提出了一种基于部分距离的非规范相似度计算方法。该方法以图像局部化为基础，自动选择最为相似的局部特征来进行人脸识别，这一方面符合人们对相似度判定的方法，另一方面能够有效避免噪声干扰，提高模式分布的内聚性，从而提高模式分类的泛化能力。在AR和FERET数据库上的实验均证实：①所提方法能够有效提高单训练样本条件下系统的识别率，在自动选出的少量最相似局部特征中包含了识别所需的大部分判别信息，最相似局部特征中包括了人脸中不易变化的局部特征(如人脸轮廓信息)，而排除了易变的特征(如嘴唇、眼部信息)。

关键词：单训练样本自组织神经网络人脸识别鲁棒性

来源：评论

学校读者我要写书评

暂无评论

单训练样本条件下的人脸识别算法研究

引用

激光杂志 2014年第3期35卷 25-27页

作者：钟森海汪烈军张莉新疆大学信息科学与工程学院乌鲁木齐830046

由于主成分分析法和线性判别分析法等传统方法对单训练样本的识别能力弱,甚至直接失效。本文提出了二维小波变换与矩阵的最大间距准则或矩阵的线性判别分析相融合的人脸特征提取算法。即首先将原图像进行三层二维小波变换,然后对每层的... 详细信息

由于主成分分析法和线性判别分析法等传统方法对单训练样本的识别能力弱,甚至直接失效。本文提出了二维小波变换与矩阵的最大间距准则或矩阵的线性判别分析相融合的人脸特征提取算法。即首先将原图像进行三层二维小波变换,然后对每层的近似分量分别进行最大间距准则或线性判别分析处理,最后用欧氏距离判别。在ORL人脸数据库上取得的实验结果表明,本文提出的算法能够提高单训练样本条件下的人脸识别率,同时也满足实时性要求。

关键词：小波变换最大间距准则单训练样本特征提取

来源：评论

学校读者我要写书评

暂无评论

单训练样本人脸识别方法研究

单训练样本人脸识别方法研究

引用

作者：赵晓晓五邑大学

学位级别：硕士

目前,计算机视觉被广泛应用于安防系统中。由于人脸样本方便收集的特点,使得人脸识别技术成为了计算机视觉中最受欢迎的技术之一。但是在一些特殊的应用中,如:出入境管理,罪犯追踪,视频监控等,训练样本常常只有一个,这促进了单训练样本... 详细信息

目前,计算机视觉被广泛应用于安防系统中。由于人脸样本方便收集的特点,使得人脸识别技术成为了计算机视觉中最受欢迎的技术之一。但是在一些特殊的应用中,如:出入境管理,罪犯追踪,视频监控等,训练样本常常只有一个,这促进了单训练样本人脸识别的研究。目前,有大量的研究人员致力于单训练样本人脸识别的研究之中。然而,现有文献大多数为传统方法,识别率不够理想。深度卷积网络是一个深层结构,能学习到图像的高级特征,与传统方法相比,能提取图像更深层次的特征。本文针对单训练样本人脸识别提出一种扩展样本的方法;为验证扩展样本与原始样本相似程度,提出一种测量扩展样本与原始样本之间相似率的方法;为提高扩展样本的质量,选出一个扩展样本模板;为提高单训练样本人脸识别的识别率,提出一种融合传统方法与深度学习方法的方案。本文的研究内容主要包括:(1)在传统方法中,为克服单训练样本人脸识别中训练样本较少的缺陷,提出一种新的扩展样本的方法。本方法利用类内变化可以在不同人脸图像之间共享的原理,借助一个外部数据集生成一个类内变化集;用单训练样本图像和此类内变化集扩展样本。(2)利用深度学习理论进行单训练样本人脸识别。根据迁移学习理论,引入一个训练好的、可以较好的表达人脸图像的深度卷积神经网络模型,扩展后的训练样本微调此模型,微调后的网络模型被用来进行实验。(3)为验证扩展样本与原始样本之间的相似率,提出一种测量扩展样本与原始样本之间相似率的方法。测量扩展样本和原始样本之间相应像素之间的距离,统计相同人脸图像相同变化的类内变化距离,并求出同种类内变化的均值作为类内变化阈值,根据类内变化的阈值测量图像之间的相似性,统计所有相似的图像数目,计算扩展样本和原始样本之间的相似率;根据不同变化范围的相似率选出相应的扩展样本进行实验,依据实验结果选出最佳的扩展样本,并用生成这些样本的类内变化集作为扩展样本模板。用此模板,结合本文提出的扩展样本的方法可以直接将单样本扩展为多样本。(4)将传统方法与深度学习方法结合,提出了一种新的方法。此方法融合了传统方法和深度学习方法的优点。一方面,利用传统方法扩展样本比较方便,满足了深度学习需要多个训练样本的需要;另一方面,利用深度学习可以较好的表达和描述人脸图像。根据迁移学习理论,引入一个训练好的、可以较好的表达人脸图像的深度卷积神经网络;用扩展样本模板,结合本文提出的扩展样本的方法扩展样本;用扩展样本微调网络;微调后的网络模型被用来进行实验。

关键词：单训练样本人脸识别扩展样本相似度深度卷积神经网络迁移学习微调

来源：评论

学校读者我要写书评

暂无评论

单训练样本的人脸识别算法研究

单训练样本的人脸识别算法研究

引用

作者：李文娟华南理工大学

学位级别：硕士

人脸识别是模式识别领域的一个重要研究课题，也是目前生物识别技术的一个热门研究方向。它可以这样描述：对于输入图像或视频流，首先判断其中是否存在人脸；如果存在，则提取每个人脸的特征，并将其与已知人脸库中的模板信息进行对比... 详细信息

人脸识别是模式识别领域的一个重要研究课题，也是目前生物识别技术的一个热门研究方向。它可以这样描述：对于输入图像或视频流，首先判断其中是否存在人脸；如果存在，则提取每个人脸的特征，并将其与已知人脸库中的模板信息进行对比，从而识别每个人脸的身份。识别人脸是人类最杰出的认知能力之一，但是让计算机来识别就困难的多了。近二十年来，人脸识别技术迅速发展，国内外研究方法层出不穷，包括基于几何特征的识别方法、基于相关匹配的方法、基于统计的识别方法和基于联系机制的方法等。\n　　人脸识别中存在一种特殊但却非常实际的情况，那就是有些时候，人脸库中的每个人只能有一幅人脸图像作为训练样本。由于受到姿态、表情、光照等的影响，单幅图像往往无法具备代表所属类别的所有特征，这就势必会增加人脸识别的难度。本文就这一问题展开了研究，对现有的针对单训练样本的人脸识别算法进行了分析和总结，依据其整体思路将其归纳为两类：一类是尽量提取有利特征的单样本人脸识别算法，另一类是从单幅图像衍生多幅图像的单样本人脸识别算法。前者采用各种方法对图像进行预处理，或是用不同方法尽量精确的表述人脸，使得对识别有利的特征更为突出和易于抽取，同时抑制不利的信息；后者则是通过图像分割、变换参数、表情重建、光照模拟等方法，从单幅人脸图像衍生出多幅图像来扩充训练集。\n　　特征脸法是人脸识别领域的经典算法。本文着重研究了几种基于特征脸法的单样本人脸识别算法——(PC)2A、E(PC)2A和SPCA。这些算法都是通过对单幅人脸样本图像做特殊的预处理，使得主要信息更加突出，而次要信息被削弱，然后再进行主成分分析(PCA)。依照这一思路，本文提出了一种改进的奇异值扰动PCA算法(ESPCA)，该算法采用奇异值分解对样本图像进行预处理。实验证明，该算法的性能优于标准特征脸法和其他几种改进算法，在不增加计算成本的前提下，识别率更高，所用的特征脸更少。

关键词：人脸识别单训练样本主成分分析生物识别技术

来源：评论

学校读者我要写书评

暂无评论

基于判别公共向量的单训练样本人脸识别

引用

浙江大学学报（理学版） 2008年第2期35卷 181-184页

作者：李瑞东祝磊余党军陈偕雄金华职业技术学院信息工程学院浙江金华321017 浙江大学电气工程学院浙江杭州310027 浙江大学信息学院浙江杭州310028

提出一种新的基于判别公共向量(Discriminative Common Vector)的单样本人脸识别算法.该方法基于人脸类内方差相似的假定,通过引入单人多样本的辅助人脸集来估计类内方差,解决了单训练样本情况下样本类内方差无法估计的问题.在FERET人... 详细信息

提出一种新的基于判别公共向量(Discriminative Common Vector)的单样本人脸识别算法.该方法基于人脸类内方差相似的假定,通过引入单人多样本的辅助人脸集来估计类内方差,解决了单训练样本情况下样本类内方差无法估计的问题.在FERET人脸库的测试结果表明,在面部细节、光照、表情变化的情况下,该方法都具有较好的识别效果.

关键词：判别公共向量单训练样本人脸识别

来源：评论

学校读者我要写书评

暂无评论

基于分块2DPCA与2DLDA的单训练样本人脸识别

引用

微电子学与计算机 2015年第11期32卷 105-110页

作者：覃磊李德华周康华中科技大学自动化学院湖北武汉430074 武汉轻工大学数学与计算机学院湖北武汉430023

二维线性判别分析(2DLDA)在人脸识别已经获得巨大成功,然而用于单训练样本人脸识别问题方法失效,因为每类需要多个样本计算类内散度.对此提出了一种新的基于图像矩阵的分块二维主成分分析+二维线性判别分析(Block 2DPCA+2DLDA)的单训练... 详细信息

二维线性判别分析(2DLDA)在人脸识别已经获得巨大成功,然而用于单训练样本人脸识别问题方法失效,因为每类需要多个样本计算类内散度.对此提出了一种新的基于图像矩阵的分块二维主成分分析+二维线性判别分析(Block 2DPCA+2DLDA)的单训练样本人脸识别算法.首先将图像进行分块,并按其位置将子图像分成多个样本集,在每个样本集上应用2DPCA算法,进行第一次识别.其次将第一次识别出的已知类别的测试样本并入原单训练样本集中,原单训练样本集成为多训练样本集.最后在新的训练样本集和测试集上应用2DLDA算法作为第二次识别,识别第一次未能识别出的图像.Block 2DPCA+2DLDA算法在ORL人脸数据库上被检测,实验结果表明Block 2DPCA+2DLDA识别结果优于PCA、2DPCA等算法.

关键词：单训练样本人脸识别二维主成分分析(2DPCA) 二维线性判别分析(2DLDA)

来源：评论

学校读者我要写书评

暂无评论

基于trace变换特征的单训练样本人脸识别算法

引用

计算机工程与应用 2015年第11期51卷 139-144页

作者：张亮王磊董吉文赵磊济南大学信息科学与工程学院山东省网络环境智能计算技术重点实验室济南250022

提出了基于trace变换不变性特征的人脸识别算法,提高了单训练样本下姿势和表情变化后的识别率。应用一阶Scharr算子、二阶尺度适应的高斯型拉普拉斯算子(LOG)和Harris滤波器定位特征点,选择合适的泛函在特征点的邻域内进行trace变换得... 详细信息

提出了基于trace变换不变性特征的人脸识别算法,提高了单训练样本下姿势和表情变化后的识别率。应用一阶Scharr算子、二阶尺度适应的高斯型拉普拉斯算子(LOG)和Harris滤波器定位特征点,选择合适的泛函在特征点的邻域内进行trace变换得到具旋转和尺度不变性的特征描述子。根据特征描述子的特征向量和坐标值实现由粗到精的匹配,整个过程不涉及参数选择问题,保证了算法的稳定性。实验结果证明该算法降低了姿势和表情变化时识别率低的影响,并减少了算法运行时间。

关键词：人脸识别单训练样本 trace变换特征提取特征匹配

来源：评论

学校读者我要写书评

暂无评论

基于单训练样本的人脸识别算法研究

基于单训练样本的人脸识别算法研究

引用

作者：唐雨佳江苏大学

学位级别：硕士

计算机自动人脸识别是模式识别与图像处理领域的难点之一。随着科学技术快速的发展，人们对人脸识别技术的需求也在不断提高。在一些特殊的应用场景，人脸识别系统往往只能获取每类（人）单张训练图像，因此，基于单训练样本人脸识别的... 详细信息

计算机自动人脸识别是模式识别与图像处理领域的难点之一。随着科学技术快速的发展，人们对人脸识别技术的需求也在不断提高。在一些特殊的应用场景，人脸识别系统往往只能获取每类（人）单张训练图像，因此，基于单训练样本人脸识别的研究具有较大的现实意义。对基于单训练样本的人脸识别问题进行研究，不仅将对人脸识别领域带来巨大飞跃，也将对诸如信息学、人工智能、心理学等其他相关领域产生深远的影响，研究基于单训练样本人脸识别具有十分重要的理论意义。\n 本文介绍了基于单训练样本的人脸识别技术的发展趋势、系统流程、研究现状以及常见方法。重点探讨了解决单训练样本人脸识别的一些主流方法，及其存在的一些问题。并就当前人脸识别算法所面临的一些亟需解决的问题，提出了相应的解决方案，在改善人脸识别算法的鲁棒性与识别效率两方面进行了探讨，有效地提高了单样本条件下人脸识别系统的性能。\n 本文的主要内容包括以下几个方面:\n (1)针对人脸不同区域所具有重要性的不同，对此，提出了一种基于SpPCA算法的人脸不同区域自适应权值计算的方法。该算法使用LBP算法对人脸进行编码，以每个人脸区域的图像信息熵作为该部位的权重，并将所得权重与SpPCA算法相结合，进行最终的人脸分类。实验结果表明，与一些经典的人脸识别方法相比，提出的方法可以对光照的变化更加具有适应性，有效的提高了算法的识别率。\n (2)受神经生物学研究结果的启发，提出了一种全局特征与局部特征集成的人脸识别算法。通过图像变换的方法增加一系列虚拟样本，对每类人脸图像数据的规模进行扩充。提出了一种基于Gabor小波与PCA降维的人脸图像全局特征提取算法，并利用BP神经网络进行特征集成。与传统的单样本人脸识别方法相比较，改进后的方法可以达到更高的识别效果。\n (3)为提高人脸识别的速度并同时能够保证人脸识别的正确率，研究了对人脸数据库进行离线预处理方法。针对通常的线性人脸比对的方法时间复杂度较高的问题，提出了一种采用离线人脸动态聚类、训练数据预先计算相似度来生成人脸索引的方法，改善了人脸识别系统的识别效率。

关键词：单训练样本人脸识别集成学习子空间动态聚类

来源：评论

学校读者我要写书评

暂无评论

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案：

请选择收藏分类：

通借通还

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：