多角度迹线抽样特征提取算法及其在人脸识别中的应用研究

作     者：沈涛 

作者单位：东华理工大学 

学位级别：硕士

导师姓名：江永;蒋年德

授予年度：2019年

学科分类：08[工学] 080203[工学-机械设计及理论] 0802[工学-机械工程] 

主      题：人脸识别 特征提取 局部梯度模式 梯度局部二值模式 HOG特征 

摘      要：人脸识别技术是计算机视觉等领域内的研究热点之一,其分类识别的主要依据是提取出能准确反映人脸信息的特征。目前在理想环境下,人脸识别技术已经很成熟了,但是在现实情况下,人脸识别效果还有较大的提升空间,其主要影响因素是光照、表情、遮挡以及多尺度等问题,尤其是对于实际应用场合中距离远、运动等客观因素造成的模糊人脸的识别,其效果更不理想。特征提取是人脸识别过程中最关键的环节,一个好的特征提取方法在很大程度上决定了人脸识别的准确率。本文针对非理想环境下人脸识别存在的问题以及模糊人脸识别率较低的情况,深入分析了现有的人脸特征提取方法,在Trace变换的基础上提出了多角度迹线融合特征提取方法。本文的主要贡献如下:1.提出了一种多角度迹线局部梯度模式特征提取方法,该方法利用局部梯度代替像素的方式对图像进行特征提取,不仅改变了局部梯度模式的特征提取方式,使其在图像的迹线上从头到尾“有序的选取采样点,并进行8位二进制编码,同时还引入图像旋转思想,图像每旋转一个角度,提取一组特征信息,最终提取到“有序排列的“全局结构性特征,增强了对图像特征空间结构性的表达能力以及旋转不变性。2.针对梯度局部二值模式仅限于图像局部纹理特征提取的情况,提出了一种多角度迹线梯度局部二值模式特征提取方法,使其能够提取到具有全局结构性的人脸图像特征。该方法不仅改进了梯度局部二值模式特征的提取方式,同时还引入Trace变换中图像旋转的思想,图像每旋转一个角度,提取一组特征信息。3.提出了一种多角度迹线HOG特征提取方法,该方法改变了原始HOG特征的特征提取方式,使其在每条迹线上进行HOG特征编码,提取出每条迹线上的纹理信息,同样也结合Trace变换中图像旋转的思想,提取出具有全局结构性的人脸特征信息。综上所述,本文提出的多角度迹线融合特征提取方法具有很强的泛化能力,它可以适用于多种特征。同时在标准人脸数据库中的实验表明,本文方法相对于Trace变换方法、LBP方法和HOG方法来说取得了更高的识别率,在模糊人脸数据库中更是比传统卷积神经网络方法要好。并且从实验结果可以看出,本文提出的多角度迹线融合特征提取方法在人脸识别领域内具有较强的实际应用前景。