开题报告-基于人脸局部特征的识别—人脸Gabor特征的提取.docVIP

综述本课题的研究动态，说明选题的依据和意义 （1）依据：计算机人脸识别技术是利用计算机分析人脸图像并从中提取有效的识别信息,进而用来“辨认”身份的一门技术．人脸识别技术应用广泛,公安系统可用于识别罪犯身份、驾驶执照及护照等,银行及海关的监控系统及自动门卫系统等可用来与实际持证人的核对．目前社会治安需求日益迫切，人脸识别技术可以运用于识别，检测所有潜在的犯罪嫌疑人，可以再不到一秒的时间中在数以百万计的人脸图像数据中找到犯罪嫌疑人。 （2）意义：为了充分利用人脸图像中的结构信息，本文提出了将分块技术与Gabor特征提取相结合的新思路。在最终的分类器设计中，将模糊分类决策规则用于匹配识别；最后考虑到了Gabor变换和识别过程计算量较大，本文将均匀采样技术应用于Gabor分块人脸识别中，取得了较好的实验结果。对人脸识别技术的发展有了一个更好的发展方向。 本课题研究的基本内容，拟解决的主要问题和难点问题 1、基本内容：基于Gabor变换的局部特征提取 2、主要问题和难点问题：典型的人脸局部特征的提取方法的研究，以及各种不同方法之间的优缺点，Gabor变换和识别过程计算量较大，将均匀采样技术应用到Gabor分块人脸识别中。 三、研究步骤、方法及措施 1、广泛阅读文献，查阅相关资料 2、根据积累的资料文献，确定局部特征提取的主要几种方法 3、学习研究基于Gabor变换的局部特征提取 4、将均匀采样技术应用到Gabor分块人脸识别中 5、实验检测实际效果 6、整理总结，撰写论文以及按要求修改 四、工作进度 序 号 设计（论文）各阶段名称 日 期 1 资料收集和整理，阅读资料和文献 1－2周2 毕业实习 3－5周3 人脸识别中局部特征提取方法 6－7周4 典型的局部特征提取方法 8－9周5 学习基于Gabor变换的局部特征提取 10－13周6 总结与展望 14－15周7 撰写论文、定稿 16－17周8 准备答辩 18周 [1]Ojia.E Principle Components,Ments and LInear NN,Neural Network,1992(12):116-128[2]周德龙,高文,赵德斌，基于奇异值分解和判别式KL投影的人脸识别,软件学报.?2003（04）:783-789 [3]洪子泉,杨静宇,用于图象识别的图象代数特征抽取[J], 自动化学报,1992(02),233-238 [4]邹国锋,傅桂霞,李海涛,高明亮,王科俊,多姿态人脸识别综述[J],模式识别与人工智能2015(07):613-625 [5]柴瑞敏,曹振基,基于Gabor小波与深度信念网络的人脸识别方法[J],计算机应用.2014(09):2590-2594 [6]甘俊英,张有为,基于BP神经网络的人人脸识别,系统工程与电子技,2003(01):(113-115) [7]范慧敏,王浩,模式识别方法概述.电子设计工程,2014(19):48-51 [8]孔锐,张冰.Gabor滤波器参数设置[J]. 控制与决策. 2012(08):1277-1280 [9]梁路宏,艾海舟,徐光祐,张钹 [10]陈庄等.基于离群点挖掘的工业控制系统异常检测[J].计算机科学,2014(11):154-162 [11]朱明.数据挖掘[M].中国科学技术大学出版社,2008 [12]甘月松,陈秀宏,陈晓晖.一种AP算法的改进:M-AP聚类算法[J].计算机科学.?2015(01):232-267 [13]陈刚,戚飞虎.实用人脸识别系统的本征脸法实现[J].计算机研究与发展,2001(02):170-175 [14]张南南,汪正详.基于Gabor小波的人脸特征提取.自动化与仪器仪表.2011(04):138-142 [15]Craw I,Ellis H,Lishman J. Probabilistic visual learning for object representation..Pattern Recognition .1997(05):133-140 六、指导教师审核意见： 指导教师签字： 　　 年　　月　　日 七、专业系（教研室）评议意见： 系（教研室）主任签字： 　　 年　　月　　日 八、学院领导审核意见： 1．通过； 2．完善后通过；　　　　　３．未通过 学院领导签字：　　　　 　　　　　　　　　　　 　　 年　　月　　日 4