导读:本文包含了人脸库论文开题报告文献综述及选题提纲参考文献，主要关键词:复杂光照,特征提取,2DPCA+2DDWT
人脸库论文文献综述
林小明[1]（2017）在《复杂光照条件下2DDWT+2DPCA算法在不同人脸库上的研究》一文中研究指出人脸图像在实际采集过程中会严重受光照条件变化的影响,本文围绕复杂光照问题展开,在ORL人脸库和Yale B人脸库采用2DPCA+2DDWT算法提取复杂光照条件下的人脸图像特征,验证其鲁棒性。(本文来源于《科技风》期刊2017年03期）
郭丽[2]（2014）在《大规模人脸库中快速识别算法的研究》一文中研究指出人脸识别作为一种最易普及的生物特征识别技术,拥有广阔的应用前景,近年来顺应社会需求,成为模式识别、计算机视觉与应用数学等领域的研究热点。虽然人脸识别技术已经在现实生活中有所应用,但依然存在很大的发展空间,尤其是大规模数据库中的人脸识别,目前面临着存储空间大,比对效率低两大问题。本文针对这些问题,提出了一种层级LBP特征和局部敏感哈希方法相结合的大规模人脸识别算法,主要工作如下：第一,在传统的LBP基础上,提出了一种基于弹性图的分块层级LBP特征,该特征属于局部特征,仅在人脸五大关键点的局部区域进行,具有很好的分类能力。第二,使用PCA+LDA方法对层级LBP特征进行分块训练,获得投影矩阵。利用该矩阵对特征进行降维,该方法在减小特征存储量的同时能够去除冗余信息,提高识别率。降维后所得特征作为人脸的识别特征。第叁,利用基于DCT变换的局部敏感哈希算法,将人脸库中的样本进行哈希映射,并根据映射集为人脸样本建立反向索引。该算法在识别阶段的比对方法不同于传统方法的线性比对,大大地提高了识别速度。第四,提出了一种重排序算法,对哈希算法所得识别结果选取小范围样本进行重排序,以此来进一步提高识别率。本文在东北大学应用数学研究室自建的人脸库上进行了实验,识别率在Rank1、 Rank10、Rank30时分别为：83.48%、94.25%、95.87%,平均时间为0.15s。实验表明,与传统的方法相比,本文的特征存储量小,识别率较高,比对速度是传统方法的3倍以上,且比对时间不会随着人脸库的增大而线性增加,更具有实际应用性。(本文来源于《东北大学》期刊2014-06-01）
郑金增[3]（2013）在《大规模人脸库的快速检索算法的研究》一文中研究指出人脸识别作为一种生物特征识别技术,近年来受到了广泛的关注,成为了应用数学、信息技术紧密结合的前沿热点问题。虽然人脸识别已经应用在了一些行业,但是在大规模数据库的情况下,如果按照传统的入脸识别中采用一一顺序比较的检索策略,需要计算待识别人脸与人脸数据库中每一幅人脸的相似度,因此无法满足现实中应用的要求。本文针对大规模人脸数据库的检索问题,利用基于人脸特征聚类的索引机制,提出了一种基于聚类和局部特征分级对比的大规模人脸库快速检索算法：首先用基于分块的LBP算子对人脸数据库进行特征提取,生成人脸特征数据库,对每一分块根据识别能力的不同赋予对应的权重系数。然后利用改进的K-means聚类算法对生成的人脸特征数据库进行聚类,以生成图像索引。再用本文提出的一种新的基于局部特征分级对比的快速检索方法进行检索,最后对检索结果进行重排序,提高返回结果的精度。最后在东北大学应用数学研究室自建的人脸库上进行了实验,结果表明该算法能在降低检索精度不到2个百分点的情况下,大幅度提高大规模人脸数据库的检索效率。(本文来源于《东北大学》期刊2013-06-01）
付晓峰,韦巍[4]（2010）在《大型人脸库上基于局部二元模式直方图映射的快速识别》一文中研究指出传统的基于局部二元模式(LBP)的人脸识别方法采用卡方统计度量LBP直方图间的差异,由于卡方统计度量的复杂性以及是在高维空间进行判别,此方法在大型人脸库上的识别速度低,为此提出一种LBP直方图映射(LBPHP)方法.将LBP直方图映射到保局投影(LPP)空间获取低维LBPHP特征,当判别新样本时只须比较新样本与训练样本的LBPHP特征,识别过程简单且在低维空间进行,识别速度很快.鉴于LPP强大的鉴别特性,此方法的识别率很高.在2个知名人脸库上对LBPHP方法进行实验验证,结果表明,相比于传统识别方法,LBPHP的识别速度快,尤其在大型人脸库上优势更加明显,适于在此类人脸库上的实际应用如身份认证等.(本文来源于《浙江大学学报(工学版)》期刊2010年01期）
张迪,龚卫国,李伟红[5]（2007）在《基于网格技术的大型人脸库人脸识别系统设计》一文中研究指出以人脸识别为主线,对于人脸识别所面临的两大关键技术问题,提出了通过网格技术与人脸识别相结合的解决方案,并介绍了一种基于网格的大型人脸库人脸识别系统的总体设计思路和框架。(本文来源于《计算机应用》期刊2007年S2期）
李全彬[6]（2007）在《基于delphi的多姿态人脸库的构建方法》一文中研究指出本文提出了一种基于delphi的多姿态人脸数据库构建方法,给出了具体的设计框图和实现实例,该数据库系统为人脸识别网络化提供了基础,提高了多姿态人脸图像的识别效率和识别率。(本文来源于《微计算机信息》期刊2007年33期）
盛会鹏[7]（2007）在《大规模人脸库聚类检索算法研究》一文中研究指出人脸识别技术以其友好、方便的特点,得到了广泛应用。但随着数据量的增大,使其在一些对识别时间要求较高的场合难以实用,例如,公安在抓捕逃犯时希望能够在大规模人脸库中快速识别嫌疑人是否为逃犯。因此,研究一种适合大规模人脸库的快速检索算法是十分必要的。本文通过对人脸识别和聚类技术的研究,概述了近年来的一些研究成果,对K-均值算法进行修改,并基于此设计了一个基于聚类的大规模人脸库快速检索系统,验证了算法的有效性。本文的主要工作包括:(1)介绍了人脸识别的相关内容,总结了一些有效的策略;(2)比较了一些经典的大规模数据聚类算法的优缺点;(3)提出了L-K均值层次聚类算法;(4)将L-K均值层次聚类算法应用于大规模人脸库检索。(本文来源于《吉林大学》期刊2007-04-01）
刘琦,肖志涛,杨金瑞[8]（2006）在《叁维人脸库数据还原处理》一文中研究指出利用北京工业大学多媒体与智能软件技术实验室创建的中国人彩色叁维人脸数据库中所提供的叁维人脸数据,还原到规格化前的叁维人脸数据,并建立了几何图与纹理图的双向映射关系．这一研究对于后续研究时的叁维人脸数据操作具有重要意义．(本文来源于《天津工业大学学报》期刊2006年04期）
胡永利,尹宝才,程世铨,谷春亮,刘文韬[9]（2005）在《创建中国人叁维人脸库关键技术研究》一文中研究指出通过CyberWare人脸专用扫描仪获取高分辨率的彩色叁维人脸来构建中国人叁维人脸数据库.创建叁维人脸数据库时,要对原始叁维人脸数据进行预处理,并通过规格化将叁维人脸表示为统一的标准形式.规格化的关键是要建立叁维人脸数据基于特征的稠密对应,这是图形学和计算机视觉中的难点问题,目前使用光流方法建立的对应效果并不理想,因此提出了基于网格重采样的计算方法,取得了良好的对应效果.(本文来源于《计算机研究与发展》期刊2005年04期）
童晓阳,张青,刘恒,皮小平[10]（2003）在《大型中国人人脸库(LCFD)》一文中研究指出为了检验面像检测和识别算法的优劣,需要有大量的人脸样本。文中设计了一个人脸自动采集系统,构造了大型中国人人脸库(LargeChineseFaceDatabase,LCFD),它包含9486个中国人的人脸,采集时每个人具有10种典型的光线变化、13种拍摄角度、4种可变表情,每人至少130张照片,充分考虑了研究用途和实际应用场合。文中介绍了LCFD的采集系统,描述了人脸采集模型、方法、安装位置以及数据的组织。最后给出了样本人脸。(本文来源于《计算机应用》期刊2003年08期）
人脸库论文开题报告
（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：
人脸识别作为一种最易普及的生物特征识别技术,拥有广阔的应用前景,近年来顺应社会需求,成为模式识别、计算机视觉与应用数学等领域的研究热点。虽然人脸识别技术已经在现实生活中有所应用,但依然存在很大的发展空间,尤其是大规模数据库中的人脸识别,目前面临着存储空间大,比对效率低两大问题。本文针对这些问题,提出了一种层级LBP特征和局部敏感哈希方法相结合的大规模人脸识别算法,主要工作如下：第一,在传统的LBP基础上,提出了一种基于弹性图的分块层级LBP特征,该特征属于局部特征,仅在人脸五大关键点的局部区域进行,具有很好的分类能力。第二,使用PCA+LDA方法对层级LBP特征进行分块训练,获得投影矩阵。利用该矩阵对特征进行降维,该方法在减小特征存储量的同时能够去除冗余信息,提高识别率。降维后所得特征作为人脸的识别特征。第叁,利用基于DCT变换的局部敏感哈希算法,将人脸库中的样本进行哈希映射,并根据映射集为人脸样本建立反向索引。该算法在识别阶段的比对方法不同于传统方法的线性比对,大大地提高了识别速度。第四,提出了一种重排序算法,对哈希算法所得识别结果选取小范围样本进行重排序,以此来进一步提高识别率。本文在东北大学应用数学研究室自建的人脸库上进行了实验,识别率在Rank1、 Rank10、Rank30时分别为：83.48%、94.25%、95.87%,平均时间为0.15s。实验表明,与传统的方法相比,本文的特征存储量小,识别率较高,比对速度是传统方法的3倍以上,且比对时间不会随着人脸库的增大而线性增加,更具有实际应用性。
（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。
人脸库论文参考文献
[1].林小明.复杂光照条件下2DDWT+2DPCA算法在不同人脸库上的研究[J].科技风.2017
[2].郭丽.大规模人脸库中快速识别算法的研究[D].东北大学.2014
[3].郑金增.大规模人脸库的快速检索算法的研究[D].东北大学.2013
[4].付晓峰,韦巍.大型人脸库上基于局部二元模式直方图映射的快速识别[J].浙江大学学报(工学版).2010
[5].张迪,龚卫国,李伟红.基于网格技术的大型人脸库人脸识别系统设计[J].计算机应用.2007
[6].李全彬.基于delphi的多姿态人脸库的构建方法[J].微计算机信息.2007
[7].盛会鹏.大规模人脸库聚类检索算法研究[D].吉林大学.2007
[8].刘琦,肖志涛,杨金瑞.叁维人脸库数据还原处理[J].天津工业大学学报.2006
[9].胡永利,尹宝才,程世铨,谷春亮,刘文韬.创建中国人叁维人脸库关键技术研究[J].计算机研究与发展.2005
[10].童晓阳,张青,刘恒,皮小平.大型中国人人脸库(LCFD)[J].计算机应用.2003
标签：复杂光照; 特征提取; 2DPCA+2DDWT;