利用模糊最近特徵線轉換做人臉辨識

以作者查詢圖書館館藏

、以作者查詢臺灣博碩士

、以作者查詢全國書目

、勘誤回報

、線上人數：5

、訪客IP：18.119.111.37

姓名

涂麗玉(Li-Yu Tu) 查詢紙本館藏

畢業系所

資訊工程學系在職專班

論文名稱

利用模糊最近特徵線轉換做人臉辨識
(Face Recognition Using Fuzzy Nearest)

相關論文

★ 使用視位與語音生物特徵作即時線上身分辨識	★ 以影像為基礎之SMD包裝料帶對位系統
★ 手持式行動裝置內容偽變造偵測暨刪除內容資料復原的研究	★ 基於SIFT演算法進行車牌認證
★ 基於動態線性決策函數之區域圖樣特徵於人臉辨識應用	★ 基於GPU的SAR資料庫模擬器：SAR回波訊號與影像資料庫平行化架構 (PASSED)
★ 利用掌紋作個人身份之確認	★ 利用色彩統計與鏡頭運鏡方式作視訊索引
★ 利用欄位群聚特徵和四個方向相鄰樹作表格文件分類	★ 筆劃特徵用於離線中文字的辨認
★ 利用可調式區塊比對並結合多圖像資訊之影像運動向量估測	★ 彩色影像分析及其應用於色彩量化影像搜尋及人臉偵測
★ 中英文名片商標的擷取及辨識	★ 利用虛筆資訊特徵作中文簽名確認
★ 基於三角幾何學及顏色特徵作人臉偵測、人臉角度分類與人臉辨識	★ 一個以膚色為基礎之互補人臉偵測策略

檔案

[Endnote RIS 格式]

[Bibtex 格式]

[相關文章]

[文章引用]

[完整記錄]

[館藏目錄]

[檢視]

[下載]

本電子論文使用權限為同意立即開放。
已達開放權限電子全文僅授權使用者為學術研究之目的，進行個人非營利性質之檢索、閱讀、列印。
請遵守中華民國著作權法之相關規定，切勿任意重製、散佈、改作、轉貼、播送，以免觸法。

摘要(中)

最近特徵線轉換 (Nearest Feature Line Embedding, NFLE)，是以
最近特徵線方法作為共變異數矩陣計算的空間轉換方式，在先前的研
究中，NFLE 已在實驗中顯示出它在人臉辨識上有不錯的效果，然而
在進行特徵線的分類計算時，大多採用歐氏距離，但歐氏距離對於每
個樣本在相同基準下進行計算，無法真實呈現出樣本的重要程度之
分。因此在本研究中，我們提出了 Fuzzy NFLE，利用加權式歐式距
離，將樣本依距離給予權重，距離近的樣本權重較大，距離遠的樣本
權重較小，如此可以模糊化樣本的類別資訊，使類別資訊能夠充份地
被利用，因此可以增加轉換空間的區別能力，我們以人臉辨識進行實
驗，實驗結果顯示 Fuzzy NFLE 辨識率可優於 NFLE。

摘要(英)

Nearest Feature Line Embedding (NFLE) is a feature space transformation algorithm whose covariance matrix is obtained based on Nearest Feature Line. In previous studies, NFLE has successfully demonstrated its capability in face recognition However, the contribution of each training sample cannot be precisely extracted because NFLE is obtained based on Euclidean distance. To remedy this problem, fuzzy NFLE is introduced in this thesis. In our work, Fuzzy NFLE uses distance to evaluate each sample by assigning greater weight to closer sample in order to fully utilize the discriminative information of each sample with an eye to increasing feature space transfer capability. Experimental results demonstrate that the face recognition rate of Fuzzy NFLE performs better than NFLE.

關鍵字(中)

★ 最近特徵線
★ 模糊理論

關鍵字(英)

★ NFLE
★ Fuzzy

論文目次

目錄
頁次
中文摘要 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . i
英文摘要 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . ii
謝誌 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . iii
目錄 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . iv
圖目錄 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . vi
表目錄 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . vii
一、緒論 . . . . . . . . . . . . . . . . . . . . . . . . 1
1-1 研究動機與目的 . . . . . . . . . . . . . . . . . . 1
1-2 論文結構 . . . . . . . . . . . . . . . . . . . . . . 2
二、相關研究 . . . . . . . . . . . . . . . . . . . . . . 3
2-1 主成份分析 (PCA) 原理 . . . . . . . . . . . . . 3
2-2 最近特徵線轉換 (NFLE) . . . . . . . . . . . . . 6
2-3 模糊理論 (Fuzzy Theory) . . . . . . . . . . . . . 8
2-3-1 模糊理論的基本概念 . . . . . . . . . . . . . . . 8
2-3-2 模糊集合論 . . . . . . . . . . . . . . . . . . . . 9
2-3-3 Fuzzy 集合的基本運算 . . . . . . . . . . . . . . 10
三、模糊最近特徵線轉換 . . . . . . . . . . . . . . . 13
3-1 以主成份分析 (PCA) 進行特徵值擷取 . . . . . . 13
3-2 Fuzzy NFLE . . . . . . . . . . . . . . . . . . . . 13
3-2-1 NFLE . . . . . . . . . . . . . . . . . . . . . . . 13
3-2-2 Fuzzy . . . . . . . . . . . . . . . . . . . . . . . 14
3-2-3 Fuzzy NFLE 之運用 . . . . . . . . . . . . . . . 15
四、實驗結果 . . . . . . . . . . . . . . . . . . . . . . 18
4-1 CMU PIE Face Database 人像資料庫 . . . . . . 18
4-2 實驗環境 . . . . . . . . . . . . . . . . . . . . . . 20
4-3 實驗辨識結果 . . . . . . . . . . . . . . . . . . . 20
五、結論與未來工作 . . . . . . . . . . . . . . . . . . 25
5-1 結論 . . . . . . . . . . . . . . . . . . . . . . . . 25
5-2 未來展望 . . . . . . . . . . . . . . . . . . . . . . 25
參考文獻 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 27

參考文獻

[1] wiki. Convenience store. 取自 http://zh.wikipedia.org/wiki/
%E4%BE%BF%E5%88%A9%E5%95%86%E5%BA%97, 2014.
[2] M. Kirby and L. Sirovich. ”application of the karhunen-loeve procedure for the characterization of human faces”. IEEE Transactions on
Pattern Analysis and Machine Intelligence, 12:103–108, Jan 1990.
[3] Matthew A. Turk and Alex P. Pentland. ”face recognition using
eigenfaces”. IEEE Computer Society Conference on Computer Vision and Pattern Recognition, pages 586–591, Jun 1991.
[4] 程敬智. Multi-view face recognition with unified subspace analysis.
Master’s thesis, Jun 2010.
[5] Lu Jyun-Liang. Face recognition under illumination and facial expression variation. Master’s thesis, Jul 2009.
[6] Li-Yang. Face recognition. 取自 http://web2.utc.edu/~Li-Yang/
documents/. University of Tennessee at Chattanooga.
[7] S. Z. Li and J. Lu. ”face recognition using the nearest feature line
method”. IEEE Transactions on Neural Networks, 10:439–433, Mar
1999.
[8] S. Z. Li, K. L. Chan, and C. L. Wang. ”performance evaluation of
the nearest feature line method in image classification and retrieval”.
IEEE Transactions on Pattern Analysis and Machine Intelligence,
22:1335–1339, Nov 2000.
[9] P.N.Belhumeur, J.P.Hespanha, and D.J.Kriegman. ”eigenfaces vs.
fisherfaces: Recognition using class specific linear projection”. IEEE
Transactions on Pattern Analysis and Machine Intelligence, 19:711–
720, Jul 1997.
27
[10] Li. Zhao, Wei. Qi, S. Z. Li, S. Q. Yang, and H. J. Zhang. ”contentbased retrieval of video shot using the improved nearest feature line
method”. Chinese Journal of Software, 13(4):586–590, April 2002.
[11] Ying-Nong Chen. ”Face Recognition Using Nearest Feature Space
Embedding”. PhD thesis, National Central University, Jan 2011.
[12] Ying-Nong Chen, Chin-Chuan Han, Cheng-TzuWang, and KuoChinFan. ”face recognition using nearest feature space embedding”.
IEEE Transactions on Pattern Analysis and Machine Intelligence,
33:1073–1086, June 2011.
[13] Yang-Lang Chang, Jin-Nan Liu, Chin-Chuan Han, and Ying-Nong
Chen. ”hyperspectral image classification using nearest feature line
embedding approach”. IEEE Transactions on Geoscience and Remote Sensing, 52:278–287, Jan 2014.
[14] L. A. Zadeh. ”fuzzy sets”. Information And Control, 8:338–353,
1965.
[15] Terence Sim, Simon Baker, and Maan Bsat. ”the cmu pose, illumination, and expression (pie) database”. IEEE International
Conference on Automatic Face and Gesture Recognition, page 53,
2002.
[16] Keller J M, Gray M R, and Givern J. A. ”a fuzzy k-nearest neighbor
algorithm”. IEEE Transactions on Systems, Man and Cybernetics,
15(4):580–585, July-Aug 1985.
[17] Wankou Yang, Hui Yan, Jianguo Wang, and Jingyu Yang. ”face
recognition using complete fuzzy lda”. International Conference on
Pattern Recognition, pages 1–4, Dec 2008.
[18] Duan Xu, Wang Fang, and Song Xiaoning. ”new discriminant analysis algorithm using fuzzy symmetrical scatter subspace”. Journal
of Jiangsu University of Science and Technology, 24, Dec 2010.

指導教授

陳映濃、范國清
(Ying-Nong Chen、Kuo-Chin Fan)

審核日期

2014-3-19

推文