毕业论文

打赏
当前位置: 毕业论文 > 计算机论文 >

基于显著点信息的人脸年龄估计算法

时间:2018-07-27 08:53来源:毕业论文
对人脸图片进行三种不同方式的预处理,然后提取形状特征以及分别基于灰度和多尺度局部二值模式的纹理特征,最后分别构建了基于形状、纹理、多特征组合的多个分类模型以及支持

摘要基于人脸图像的年龄估计近年来成为模式识别、人机交互领域的一个研究热点。由于人在变老过程具有个性化,因而寻求合适的年龄表征方式和估计模型是年龄估计中一直存在的难点。本文首先对人脸图片进行三种不同方式的预处理,然后提取形状特征以及分别基于灰度和多尺度局部二值模式的纹理特征,最后分别构建了基于形状、纹理、多特征组合的多个分类模型以及支持向量回归模型。实验结果表明,在针对不同特征的多个分类模型中,用基于协同表示的分类器对形状+统计灰度纹理特征建立模型能够取得最好的效果;而在支持向量回归模型中,使用灰度纹理特征能够取得相对较好的结果。26253
关键词  年龄估计,预处理,年龄特征向量,估计模型
毕业论文设计说明书外文摘要
Title  Facial Age Estimation Algorithms Based on Landmark Information
Abstract
Image-based age estimation has become an active research topic in pattern recognition and human-computer interaction field. As aging process is personalized from person to person, finding an appropriate age representation arithmetic and building an appropriate estimation model have always been an open problem in age estimation. In this dissertation, firstly, facial images are pre-processed in three ways. Secondly, we extract shape feature and texture feature based on gray and multi-scale local binary pattern respectively. Finally, several classification models and support vector regression model are respectively built with shape, texture and combination of these two features. Experimental results show that, among classification models with different features, collaborative representation based classifier model with the shape + statistical gray texture feature performs the best. Moreover, the support vector regression model with the statistical gray texture feature achieves a better performance than with other features.
Keywords  age estimation, pre-processing, age feature vector, estimation model
目   次
1  绪论    1
1.1 课题研究背景    1
1.1.1 人脸年龄估计的意义    1
1.1.2人脸年龄估计的重要应用    1
1.1.3人脸年龄估计面临的困难    1
1.2研究综述    2
1.2.1年龄特征    2
1.2.2估计模型    3
1.3主要研究内容    4
1.3.1主要工作和成果    4
1.3.2论文的组织结构    5
2  预处理    6
2.1人脸年龄数据库的介绍    6
2.1.1 FG-NET数据库    6
2.1.2 MORPH数据库    7
2.2图像预处理    8
2.2.1图像灰度化    8
2.2.2 图像的旋转    9
2.2.3图像的裁剪    9
2.2.4 尺度归一化    10
2.2.5 直方图均衡化    10
2.3本章小结    11
3 年龄特征的提取    12
3.1 主成分分析    12
3.2形状特征    13
3.3纹理特征    14
3.3.1纹理归一化    14
3.3.2 统计灰度纹理特征    16
3.3.3形状特征+统计灰度纹理特征    17
3.3.4统计MLBP纹理特征    18
3.3.5 形状特征+统计MLBP纹理特征    21
3.4本章小结    22
4 估计模型的建立    23
4.1最小距离分类器    23
4.2 K-近邻分类器    23
4.3基于协同表示的分类器    23
4.4支持向量机    24 基于显著点信息的人脸年龄估计算法:http://www.751com.cn/jisuanji/lunwen_20366.html
------分隔线----------------------------
推荐内容