王永军[1]2014年在《基于遗传算法的人脸识别系统的设计与DSP实现》文中进行了进一步梳理人脸识别技术是最近几十年生物特征识别领域的研究热点,它融合了计算机图形学、数字图像处理、计算机视觉、模式识别和人工神经网络等多个学科的方法和理论。人脸识别技术在公共安全和军事安全领域有着十分广阔的应用前景。本文在查阅相关文献和对人脸识别系统深入研究的基础上,利用北京瑞泰创新公司的ICETEK-DM6437-B-KIT作为硬件开发平台,设计实现了基于遗传算法的人脸识别系统。系统包括对视频图像的光照补偿、特征提取、特征选择、分类识别等功能,并能将识别结果显示。本文主要完成的工作如下：(1)图像光照补偿。在实时视频采集系统中,光照强度对系统性能影响很大。本文通过实验对比分析了叁种光照补偿算法,最后确定本文采用的光照补偿方法。(2)人脸检测与定位。本文在YCbCr颜色空间采用肤色检测方法对人脸肤色进行聚类分析,完成了人脸区域的检测,并通过人脸形状特征参数来排除脖子等非人脸区域。(3)人脸特征提取与选择。本文采用8×8分块LBP(Local Binary Patterns)算子提取人脸纹理特征,共提取出640维特征向量。采用遗传算法进行特征选择,并根据基本遗传算法的理论知识,提出了一种改进的遗传算法,主要改变了适应度函数、选择算子、交叉概率和变异概率等参数。实验结果表明,本文提出的改进遗传算法在全局收敛性、迭代时间和识别率上都优于基本遗传算法。(4)人脸分类识别。本文采用最近邻分类器和支持向量机(Support Vector Machine,SVM)分类器相结合的方法进行人脸分类识别。在处理前端用最近邻分类器进行粗分类,得到与测试样本距离最小的两类,再对这两类用SVM进行细分类。(5)在ICETEK-DM6437-B-KIT硬件平台上实现了系统的功能。通过在CCS(Code Composer Studio)中采用C语言编程,实现了视频人脸识别功能。通过测试,本文所设计的人脸识别系统识别率达到90%以上,具有较好稳定性和很强的实用性,为进一步研究人脸识别系统打下了很好的基础。
柳长源[2]2013年在《相关向量机多分类算法的研究与应用》文中认为相关向量机(Relevance Vector Machine, RVM)是贝叶斯统计学习理论(StatisticalLearing Theory,SLT)发展的产物，是一种有监督机器学习的模式识别新方法。该方法由支持向量机(Support Vector Machine, SVM)理论演变而来，相比后者，具有解更稀疏、核函数选择更自由、泛化能力更强、鲁棒性更好等优点，在小样本的统计学习问题中的表现尤其突出，近几年已经在应用领域得到了快速发展，在模式分类、故障诊断、智能预测、语音及图像信息处理等方面均有很好的表现。但是，相关向量机在解决多类模式识别问题时，由于计算过程比较复杂，仍存在分类精度与训练识别时间无法兼顾的矛盾。本课题针对RVM算法存在的不足，对算法的结构和关键步骤，如核函数的选择、分类器的设计以及控制参数的调整等进行了深入研究和大量实验仿真工作，并对多分类问题中应用最广泛且分类精度最高的“一对一”分类器进行了改进。改进后的多分类方法，在基本保持原有的分类精度的基础上，大幅度提升了算法在类别数较多的模式识别问题上的分类时间，使RVM算法应用的实时性有了明显的提高。此外，从应用角度出发，将改进后的RVM算法应用于人脸识别及汽车发动机失火故障检测等问题的模式识别中，均取得了良好的效果。首先，详细论述相关向量机的研究现况和基本理论,并且提出相关向量机中仍需解决的关键问题。为了提高相关向量机学习算法在多模式识别中的分类速度，对相关向量机多分类方法进行了分析和研究，发现比较次数过多是该方法计算量大的主要原因。提出了一种在每轮比较中，排除最差类别的新方法。该方法使比较次数逐级减少，并且当类别数较多时，总计算量减少尤其明显。通过仿真实验说明了该方法的有效性,对数据分类的实验结果表明，新方法与传统分类器相比，在基本不影响分类正确率的前提下，机器训练与识别次数显着减少，算法运行速度明显提高。其次，为了解决人脸识别问题中对准确性、实时性、稳定性的要求，对传统的人脸识别方法进行了研究，提出一种基于改进相关向量机的人脸识别方法。文章利用小波变换对人脸图像进行预处理；根据PCA方法对处理后的人脸图像进行特征提取；利用相关向量机多分类模型进行人脸识别。与基于SVM的人脸识别方法进行比较，结果表明RVM具有高于SVM的鲁棒性，人脸识别的正确率更高、实时性好、可靠性更强。再次，当人脸图像含有较多噪声时，识别正确率会有很明显的下降。目前的人脸识别技术对此问题尚无较好的解决办法。本文提出一种采用相关向量机的人脸识别方法，利用机器学习对小波分解和PCA变换后的人脸数据库样本进行训练，得到的相关向量构成“超平面”作为差异样本的分类面，并利用改进的“一对一”方法实现多类别模式识别。对加噪声的识别对象进行了大量的仿真实验结果表明，与传统方法相比，新方法对图像噪声不敏感，具有更高的识别率和很强的鲁棒性。另外，对拍照光线、角度变化、物体遮挡、分辨率不足等条件下的人脸图像识别，也采用新方法进行了实验分析和讨论。最后，应用RVM算法研究汽车发动机故障诊断问题。研究发现算法中的惩罚因子和径向基核函数参数对分类准确率有着很大的影响，本文结合粒子群（PSO）算法对参数进行优化，并把该优化算法用于汽车发动机故障诊断中。针对样本的特征参数会随发动机转速变化的问题，提出了一种超参数自适应拟合的增量学习方法。在发动机失火故障诊断中，建立汽车尾气中各气体的体积分数与失火故障原因的映射关系，并对不同档位归一化处理的数据进行增量机器训练，对得到的超参数进行非线性拟合，并将训练好的RVM模型应用于故障分类诊断。仿真实验表明新方法不仅诊断结果准确可靠，而且解决了传统方法实现变速动态检测的困难。在论文的结尾，对课题的研究工作进行了总结，并对进一步研究工作进行了展望。
杜文霞[3]2011年在《人脸识别中的特征提取算法研究》文中认为人脸识别是生物特征识别的一个重要分支,在证件验证、门禁系统、视频监视、刑侦破案等领域中都有着广泛的应用前景。特征提取是人脸识别中的一个关键步骤。提取有效的鉴别特征对于人脸识别系统来说,具有重要的意义。目前,将现有的各种特征提取理论与其他优化方法或者变换方法相结合,是实现人脸特征最优提取的重要研究方向。本文就基于多种方法相结合的特征提取理论进行了研究,并且所提出的一些特征提取的新算法在人脸识别方面得到了较成功的应用。本文的主要工作包括:(1)提出了一种混沌遗传算法与主成分分析算法相结合的人脸特征提取方法。混沌遗传算法采用两种不同规则的混沌映射,维持了种群的多样性,增强了算法的全局搜索能力。利用混沌遗传算法对主成分分析变换后的特征向量进行选择,可以快速搜索到有利于分类的特征子空间。在ORL标准人脸库的仿真实验表明,该方法不但降低了特征空间的维数,而且获得了比采用其它方法更好的识别性能。(2)给出了一种基于离散余弦变换和模糊线性鉴别分析相结合的人脸特征提取方法。首先采用离散余弦变换对人脸图像进行降维和去噪,然后用模糊线性鉴别分析对变换后得到的系数进行特征提取,最后采用最小距离分类器进行分类识别。在ORL人脸库上的实验表明,该方法有效地滤除了人脸图像中的高频干扰信息,增强了特征的辨别能力,获得了较理想的识别结果。
王帆[4]2008年在《基于遗传和克隆选择算法的人脸识别》文中研究表明人脸识别是生物特征识别技术的一个重要研究方向,它与传统的身份识别方法完全不同,具有更高的安全性、可靠性和有效性,因此人脸识别已成为模式识别和人工智能领域的研究热点。在公共安全、证件验证、门禁系统、视频监视等领域中都有着广泛的应用前景。本文是在主成分分析(PCA)法的基础上做人脸特征提取和识别的算法研究,主要工作是采用遗传算法和克隆选择算法对PCA变换后的特征空间进行优化选取,并在此基础上实现了基于遗传和克隆选择算法的人脸识别。主要研究工作有以下两点：(1)在人脸图像的特征提取上,PCA方法只是简单的选择那些较大特征值所对应的特征矢量,而这些特征矢量组成的特征空间并不一定最有利于分类识别,因此识别效果不够理想。针对主成分分析法对特征空间选取的局限性,本文深入研究了PCA变换与遗传算法相结合的特征提取方法。该方法充分利用了遗传算法的全局寻优能力,对PCA变换得到的特征空间进行优化选取,以构成最有利于分类的特征子空间。实验结果表明：遗传算法与PCA相结合的特征提取方法有效地克服了主成分分析法对特征空间选取的局限性,提高了识别率。(2)针对遗传算法早熟现象和收敛速度慢等缺点,本文提出了一种PCA变换与克隆选择算法相结合的特征提取方法。克隆选择算法以其记忆性、多样性和特异性的优势,在搜索过程中表现出比传统进化算法更为优异的全局寻优性能。将克隆选择算法应用到人脸特征空间的自动选择,并通过识别率验证该思想的可行性。实验结果表明克隆选择算法应用于人脸的特征空间选择能够取得比经典PCA算法更为优异的效果,且其稳定性、降维效果和识别率等性能更优于标准遗传算法。综上所述,遗传和克隆选择算法与PCA相结合的特征提取方法在特征空间选取上具有可信性与正确性,为人脸识别的后续研究奠定了良好的基础。
于清澄[5]2007年在《基于K-L变换的人脸识别算法研究》文中提出生物体特征识别技术使用了人体本身所固有的生物特征，与传统的身份识别方法完全不同，具有更高的安全性、可靠性、和有效性，越来越受到人们的重视。人脸自动识别技术作为生物特征识别技术的重要组成部分，在近叁十年里得到了广泛的关注和研究，已经成为计算机视觉、模式识别领域的研究热点。人脸识别在公共安全、证件验证、门禁系统、视频监视等领域中都有着广泛的应用前景。本文是在人脸数据库的基础上做人脸特征提取和识别的算法研究，主要内容如下：(1)本文实现了基于K-L变换的主成分分析法，主成分分析法是一种基于整体特征的人脸识别方法，通过实验结果验证了此方法是一种快速、稳定的方法，对人脸的表情、姿态等变化具有很好的包容性。但是，对于主成分空间的选取上，具有一定的局限性，影响了识别效果。(2)本文在分类器的设计上，采用欧式距离和余弦距离两种距离分类器进行分类识别，并且通过实验比较识别效果。(3)本文提出了一种K-L变换和遗传算法(GA)相结合的人脸识别方法。传统的基于K-L变换的主成分分析法(PCA)只是简单的选择那些较大特征值所对应的特征矢量，而且这些特征矢量并不一定是最有利于识别分类的特征空间，不能达到最优的识别效果。本文中采用遗传算法很好的解决了这个问题，利用遗传算法对K-L变换得到的特征空间进行特征矢量选择，以构成最有利于分类的特征子空间。结合余弦距离最近邻分类器对ORL人脸数据库进行实验，验证了本文方法的有效性。
吴建龙, 罗海兵[6]2010年在《遗传算法在人脸识别中的应用研究》文中提出研究人脸图像识别准确率问题,人脸是一个非刚体,具有变形大,针对影响因素多且易受干扰,用传统的方法识别率低。为了提高人脸图像识别正确率,提出了利用遗传算法的人脸特征提取的识别方法。首先采用小波变换和张量主成分分析(PCA)方法对人脸图像进行特征提取,然后通过改进的遗传算法对PCA提取的特征进一步的优化,得到人脸最优人脸特征子集,最后根据最优特征进行识别。利用标准人脸识别库进行仿真,试验结果表明,相对其它特征提取的人脸识别方法,不仅具有识别速度加快,而且正确率高,是有效的人脸识别算法。
石彩云[7]2012年在《改进的PSO算法在人脸识别中的应用研究》文中研究指明人脸识别技术是生物特征识别的一种，它涉及了生理学、心理学、图形学等多个学科知识。和其它生物特征识别类似，人脸识别技术是通过提取人脸这一生物特征对人的身份进行确认。它以其自身方便、不易被盗取、安全等特性受到了广泛的关注。本文从人脸识别常用的技术入手，介绍了人脸识别中一些典型的识别方法、分类方法和特征提取方法，然后根据人脸识别的研究内容和研究方向，从特征提取方面对人脸识别技术进行研究。实验结果表明，用二进制PSO算法进行特征选择，人脸识别系统具有良好的识别效果，它是一种非常有效的特征选择算法。首先从数据库的选择上，选择了ORL人脸数据库，它是一个开放数据库，经常被学者用来研究人脸识别技术的数据库。对人脸图像进行初步的预处理。然后，应用了离散余弦变换对人脸图像进行特征提取。通过离散余弦变换后的图像，图像的大部分特征集中到处理后图像的左上角。最后利用二进制PSO算法进行特征选择，并且对实验结果进行了分析。本文介绍了基本的PSO算法，并且根据算法特征，指出它适合的应用领域以及应用的局限性，针对人脸灰度图像的特征，选择了改进的PSO算法，也就是二进制PSO算法对经过特征提取的人脸图像进行特征选择。通过实验可以看到，二进制PSO算法对图像进行特征选择之后，识别率得到了提高。对二进制PSO算法和遗传算法进行了比较试验，实验结果更加明确的说明了二进制PSO算法是一种较好的特征选择算法，可以提取到对象最具代表性的特征。
崔建忠[8]2007年在《利用遗传算法实现人脸识别》文中认为人脸识别技术是计算机视觉、计算机图形学中的一个研究热点和难点，在过去的几十年中得到了迅速的发展。但是，由于人脸非刚性、表情多变等诸多因素，使得人脸识别在实际应用中面临巨大困难，人脸识别已经成为一项极具挑战性的研究课题。本文将遗传算法应用于人脸识别的图像分割、人脸定位和角度矫正等环节，建立了相应的数学模型。具体做法是，将遗传算法用于最大熵的图像分割中，对一维及二维阈值分割情况进行讨论，并提出了一种基于改进型遗传算法的最大熵阈值图像方法分割。在人脸的识别算法中，建立了人脸矩形区域模板中双眼、鼻子和嘴巴存在性度量检测数学模型，以它们存在性度量的加权和作为遗传算法的适用度度量函数。在遗传算法的算子和执行策略的设计中，采用“精英选择”策略、由父代和子代染色体参与的两点和多点杂交算子以及由两条染色体参与的变异算子，从而最大限度地避免了早熟收敛。另外，在遗传算法设计中还添加了一种“逆转算子”，即在一条染色体上随机选择两点构成一个子串，首尾倒置形成新子串替代原子串在个体中的位置。本文对于提出的遗传算法，给出了遗传算子的数学描述，并应用遗传算法概率收敛性理论和马氏链理论对算法进行了收敛性分析，对提出的遗传算法的收敛性进行了证明。仿真实验表明，本文提出的遗传算法与改进前遗传算法相比，其收敛速度、解的精度以及人脸识别率都有显着的提高。
栾绍林[9]2006年在《遗传算法在人脸识别方面的应用》文中认为人脸识别是当前模式识别和图像处理领域的热点和难点，而且因其具有广泛的实际应用背景，开展对人脸识别的研究意义重大。人脸作为一个非刚体，具有形变大、影响因素多且易受干扰的特点。本文主要介绍了目前常见的人脸识别方法，对人脸进行分割，建立五官各部位的识别方法及其数学模型。最后通过仿真实验表明，该遗传算法在人脸识别技术中具有较好的效果。本文采用的遗传算法(genetic algorithms，GA)中，定义的染色体是二进制数串，选择算子是普通的精英策略。杂交算子采用母染色体与子染色体混合起来从中选择最优个体的原则。为了避免产生早熟，本文中采用的变异算子是通过两个染色体的逻辑运算生成的，以便使得同一基因上不会产生全0或者全1的情况。此外，本文根据标准人脸的五官比例图，对具体的一副人脸的五官偏差进行度量，制定了左眼区、右眼区、鼻区和嘴区的评价函数。由此确定出遗传算法的适应值函数。经实验表明，本文提出的遗传算法具有较快的寻优能力。本文共分为叁个部分。第一部分介绍了人脸识别的意义、发展背景和人脸识别系统的主要内容。第二部分具体介绍了静止图像识别的主要方法。然后介绍了遗传算法和遗传算法在图像处理中的应用。第叁部分介绍了我使用的人脸识别仿真系统相关的分析。最后本文对人脸识别和遗传算法进行了分析和展望。
申锎[10]2008年在《DNA计算在人脸识别中的应用研究》文中研究表明随着电子计算机技术的快速发展,计算机芯片制作的物理极限日益临近,其计算能力也接近极限。需要进行大量计算的人脸识别受制于电子计算机的计算能力,现阶段无法实现大规模的人脸识别。相比之下,DNA计算有大量、快速、并行计算的优点,如果将DNA计算应用于人脸识别,可满足人脸识别的计算要求,使的识别速度加快,识别规模增大。本文提出将DNA计算应用于人脸识别,将DNA计算的超强计算能力应用于两个方向,一是使大规模的人脸识别中快速地缩小目标识别范围,从而使得后续的人脸识别能使用已较为成熟的一般方法,二是快速优化一般的识别方法,降低计算量,提高识别速度。本文将DNA计算分别与奇异值分解和傅里叶变换结合以实现设计思想,其中一个方法的DNA计算模型使用了较为成熟的粘贴模型,另一个方法还选择了适合DNA计算方式的遗传算法进行结合,而DNA编码也考虑到各种需求进行了独特设计。在通过用matlab2007编程对ORL人脸库和Yale人脸库进行了仿真实验后,得到的数据结果显示,DNA计算结合奇异值分解的方法在达到一定识别率的情况下将目标识别范围缩小了近乎一个数量级,而DNA计算结合傅里叶变换的方法在有较高识别率的情况下,减少了计算量提高了计算速度。实验结果说明本文提出的方法在理论上是有效的。与一般方法对比显示,本文方法展现了大量快速的计算特点,达到了设计要求,其不足之处是DNA计算结合奇异值分解的方法识别率不够高,DNA计算结合傅里叶变换方法的计算量还不够少,受目前DNA计算在物理实现上的限制暂时无法实际应用。本文提出了DNA计算在人脸识别中的新应用,并通过实验验证了新方法的可行性,这为DNA计算今后在人脸识别中的应用研究打下了一定基础。
参考文献：
[1]. 基于遗传算法的人脸识别系统的设计与DSP实现[D]. 王永军. 东北大学. 2014
[2]. 相关向量机多分类算法的研究与应用[D]. 柳长源. 哈尔滨工程大学. 2013
[3]. 人脸识别中的特征提取算法研究[D]. 杜文霞. 兰州理工大学. 2011
[4]. 基于遗传和克隆选择算法的人脸识别[D]. 王帆. 哈尔滨工程大学. 2008
[5]. 基于K-L变换的人脸识别算法研究[D]. 于清澄. 沈阳工业大学. 2007
[6]. 遗传算法在人脸识别中的应用研究[J]. 吴建龙, 罗海兵. 计算机仿真. 2010
[7]. 改进的PSO算法在人脸识别中的应用研究[D]. 石彩云. 西安石油大学. 2012
[8]. 利用遗传算法实现人脸识别[D]. 崔建忠. 青岛大学. 2007
[9]. 遗传算法在人脸识别方面的应用[D]. 栾绍林. 青岛大学. 2006
[10]. DNA计算在人脸识别中的应用研究[D]. 申锎. 电子科技大学. 2008
标签：计算机软件及计算机应用论文; 自动化技术论文; 遗传算法论文; 分类器论文; pca论文; 人脸识别论文; 人脸检测技术论文; 模式识别与智能系统论文; 特征提取论文; 特征选择论文; 图像融合论文; 空间向量论文; 系统仿真论文; 图像识别论文; 模式识别论文; 算法论文;