综合人脸识别中的数据处理与应用框架研究

综合人脸识别中的数据处理与应用框架研究

论文摘要

在多媒体服务发展渐趋成熟的今天,视频信息的利用与开发占据了科学研究及系统研发的重点,有着极其重大的实际意义。目前的视频信息抽取与识别决策技术无论在视频监控或Web多媒体数据挖掘上仍然只有很有限的应用实效。一系列综合性的困难与魅力使它形成了一个独特的研究领域,考验着研发人员对系统性、图像处理、特征方案、决策建模、异步业务组件以及数据类型熟练使用的综合能力。有效的人脸识别方案,必然是灵活可换控的,必然需要团队的整体努力及反复在需求环境下验证前人的研究成果,择优从之改之。在作者此篇毕业论文中,尝试设计人脸识别实用的开放性系统框架,并在过程中实践了微软VSTS和TFS团队开发平台,遵循了软件流程的方法论;在对人脸识别技术有所积累的背景下,尝试针对现代数据处理的特性,在重要业务环节上尝试设计合适的架构、装配模式及前后端分层组件。其中理论研究部分的主要流程为:图像预处理、特征提取、多角度处理与比较,认真梳理挖掘了经典的图像分析及模式识别理论的思想和成果、最后是自己建立的数据模型及模型优化方法。系统设计部分为:信号源的适配端,数据库端(数据库与PLSQL后端组件负责非精确模式查询与触发同步更新),数据库对象及一些静态的数据提供接口,应用层组件产生图像库文件的特征表,抽取前端视频源的特征表;图像模板变换、子块图像匹配、选定对比空间;展现层使用了C/S模式,并经历了标准软件系统的数据库层、数据缓存层、领域层、应用层、还有部分Web结果发布所属的样式、脚本及第三方封装控件的使用实践。除了3D人脸领域本身的探讨,目前在整体环节中提倡业务数据处理的简洁与数据挖掘的深刻,这可以用模式识别与智能决策的各种经典和现代方法去取得更好的识别性能,这也需要在本系统的需求与环境下对研究先行者提出的各种类别方法的一种鉴定与总结。作者针对各个环节的思考与实验,力图在数据源中抽取出最优秀的测试状态数据。在基于视频监测人脸识别的理论视野中,由于人脸姿态随时呈现出的多样性,使得形态轮廓线同时产生复杂的变化,相应地,区域内的关键特征也会呈现很强的不稳定性甚至间断性,与原始几何形态有着显著的畸变。本文将论述如何在不稳定的实时图像序列中,通过性能监测方法和图像坐标上的仿三维旋转校准,获取最大正确率的关键特征测度;对后台图像数据库由内存中的单变量分层分区索引设想,到多维特征间的相互约束,最终可用各种先进方法做最后的目标匹阈值性能链的建立,就是为了保证预处理时特征来源的最优,这会充分运用视频的丰富资源,导致极好的识别能力。

论文目录

  • 摘要
  • Abstract
  • 引言
  • 1 人脸识别的系统分析
  • 1.1 帧序列图像的难点与矛盾——语义与理解
  • 1.2 人脸识别非确定性因素与解决方法探讨
  • 2 图像序列预处理与相关性发现
  • 2.1 图像在空域与频域中的去噪和增强
  • 2.2 集成模糊集(FS)的去噪方法
  • 2.3 集成粗糙集(CS)的去噪方法
  • 2.4 遗传算法与模糊集集成的图像恢复方法
  • 3 FR数据处理理论阐述
  • 3.1 人脸检测领域传统流派与现代研究成果
  • 3.1.1 基于人脸结构灰度统计的检测
  • 3.1.2 基于特征空间的方法的检测
  • 3.1.3 基于几何特征的识别
  • 3.1.4 基于离散K-L变换
  • 3.1.5 基于神经网络方法的识别
  • 3.2 人脸检测中基于特征的研究方案
  • 3.2.1 奇异值特征的提取
  • 3.2.2 集成SVD与HMM的检测模型
  • 3.3 人脸检测中两种评判通道的信息融合
  • 3.3.1 梯度方向对称性的假设
  • 3.3.2 人脸域部件的检测与特征抽取
  • 3.4 多Assembler通道识别拟平面旋转人脸
  • 3.4.1 基于色彩分割通道的快速预处理
  • 3.4.2 基于NN/HMM通道的平面旋转处理
  • 4 特征建模与模型优化研究
  • 4.1 面向三维旋转人脸校正的第一阶段预处理
  • 4.1.1 前端ROI定位与跟踪
  • 4.1.2 用跟踪预测优化搜索算法
  • 4.2 面向三维旋转人脸校正的第二阶段预处理
  • 4.2.1 基于像素测量的特征选取
  • 4.2.2 径向线性不变性与轴向非线性旋转校正
  • 4.2.3 基于阈值模板的器官定位与测量
  • 4.2.4 性能守护器—A集的扩展论述
  • 4.3 后端图像库的训练与索引
  • 4.4 关于性能决策组件的退化模型
  • 4.4.1 临界区和禁区包络的建模
  • 4.4.2 基于三种基本Bezier样条的模式聚类
  • 4.4.3 用灰色理论预测禁区中心序列的趋势
  • 4.5 本节小结
  • 5 应用系统的软件框架研究
  • 5.1 部署环境及开发架构
  • 5.2 设备数据源层
  • 5.3 领域层
  • 5.4 基本数据层
  • 5.5 数据缓存层
  • 5.6 应用层
  • 5.7 展现层
  • 5.8 VSTS开发理论阐述与使用展示
  • 6 总结与展望
  • 参考文献
  • 致谢
  • 作者简介
  • 相关论文文献

    • [1].安徽理工大学学报(社会科学版)2019年第21卷总目次(卷终)[J]. 安徽理工大学学报(社会科学版) 2019(06)
    • [2].《安徽理工大学学报(社会科学版)》征稿简则[J]. 安徽理工大学学报(社会科学版) 2019(06)
    • [3].《安徽理工大学学报(社会科学版)》征稿简则[J]. 安徽理工大学学报(社会科学版) 2020(01)
    • [4].《安徽理工大学学报(社会科学版)》征稿简则[J]. 安徽理工大学学报(社会科学版) 2020(02)
    • [5].《安徽理工大学学报(社会科学版)》征稿简则[J]. 安徽理工大学学报(社会科学版) 2020(03)
    • [6].《安徽理工大学学报(社会科学版)》征稿简则[J]. 安徽理工大学学报(社会科学版) 2020(04)
    • [7].《安徽理工大学学报(社会科学版)》征稿简则[J]. 安徽理工大学学报(社会科学版) 2020(05)
    • [8].《安徽理工大学学报(社会科学版)》征稿简则[J]. 安徽理工大学学报(社会科学版) 2019(03)
    • [9].《安徽理工大学学报(社会科学版)》征稿简则[J]. 安徽理工大学学报(社会科学版) 2019(05)
    • [10].《安徽理工大学学报(社会科学版)》征稿简则[J]. 安徽理工大学学报(社会科学版) 2017(05)
    • [11].《安徽理工大学学报(社会科学版)》征稿简则[J]. 安徽理工大学学报(社会科学版) 2017(06)
    • [12].《安徽理工大学学报(社会科学版)》征稿简则[J]. 安徽理工大学学报(社会科学版) 2018(01)
    • [13].《安徽理工大学学报(社会科学版)》征稿简则[J]. 安徽理工大学学报(社会科学版) 2018(02)
    • [14].《安徽理工大学学报(社会科学版)》征稿简则[J]. 安徽理工大学学报(社会科学版) 2018(04)
    • [15].《安徽理工大学学报(社会科学版)》征稿简则[J]. 安徽理工大学学报(社会科学版) 2018(05)
    • [16].安徽理工大学学报(社会科学版)2016年第18卷总目次(卷终)[J]. 安徽理工大学学报(社会科学版) 2016(06)
    • [17].《安徽理工大学学报(社会科学版)》征稿简则[J]. 安徽理工大学学报(社会科学版) 2016(06)
    • [18].《安徽理工大学学报(社会科学版)》征稿简则[J]. 安徽理工大学学报(社会科学版) 2016(05)
    • [19].《安徽理工大学学报(社会科学版)》征稿简则[J]. 安徽理工大学学报(社会科学版) 2017(01)
    • [20].《安徽理工大学学报(社会科学版)》征稿简则[J]. 安徽理工大学学报(社会科学版) 2017(02)
    • [21].《安徽理工大学学报(社会科学版)》征稿简则[J]. 安徽理工大学学报(社会科学版) 2017(03)
    • [22].《安徽理工大学学报(社会科学版)》征稿简则[J]. 安徽理工大学学报(社会科学版) 2017(04)
    • [23].《安徽理工大学学报(社会科学版)》征稿简则[J]. 安徽理工大学学报(社会科学版) 2016(01)
    • [24].《安徽理工大学学报(社会科学版)》征稿简则[J]. 安徽理工大学学报(社会科学版) 2016(02)
    • [25].《安徽理工大学学报(社会科学版)》征稿简则[J]. 安徽理工大学学报(社会科学版) 2016(04)
    • [26].《安徽理工大学学报(社会科学版)》征稿简则[J]. 安徽理工大学学报(社会科学版) 2014(05)
    • [27].《安徽理工大学学报(社会科学版)》征稿简则[J]. 安徽理工大学学报(社会科学版) 2014(06)
    • [28].《安徽理工大学学报(社会科学版)》征稿简则[J]. 安徽理工大学学报(社会科学版) 2014(04)
    • [29].《安徽理工大学学报(社会科学版)》征稿简则[J]. 安徽理工大学学报(社会科学版) 2015(01)
    • [30].《安徽理工大学学报(社会科学版)》征稿简则[J]. 安徽理工大学学报(社会科学版) 2015(02)

    标签:;  ;  ;  ;  

    综合人脸识别中的数据处理与应用框架研究
    下载Doc文档

    猜你喜欢