人脸识别算法及其在门禁系统中的应用

发布时间：2020-06-27 13:29

【摘要】：在人工智能逐渐开始影响我们日常生活的新科技时代中,人们对智慧生活的需求也导致了门禁系统不断快速向高科技领域前进,由于人脸的面部特征每个人都不相同,从而使得将人脸应用在门禁系统中成为当代社会探索智能门禁的新方向,虽然人脸识别技术有很多优势并且在门禁系统中有了不少的应用,但是仍然存在很多不足的地方,这些不足是因为在采集面部图像时可能会因为人脸带有不同的表情或者是姿势变化,包括佩戴眼镜等饰物对人脸主要识别区域进行了遮挡,都会在一定程度上影响人脸识别的准确性。本文主要针对人脸识别领域的这几个关键过程进行了钻研和改进,其中包括采集人脸图像后的检测过程、面部特征的提取过程和对待检测人脸进行身份认证的过程。为了解决以上人脸识别过程中存在的表情、姿态变化以及面部遮挡等情况而导致的识别率低下、识别时间较长等问题,本文将传统的二维主成分分析法和线性判别式分析法进行了有效的结合,形成了一种可以有效提高算法识别时间的改进算法,在此基础上本文还构建了一个移植性好的可以在多平台上运行的人脸识别系统,以下是本文的主要研究内容:(1)改进了经典的人脸识别算法。为了解决经典的人脸识别算法在检测面部特征时会遇到的表情姿态变化以及面部遮挡等情况而导致的识别率低下、识别时间较长等问题,本文通过对传统的人脸识别算法进行深入钻研和学习,总结出各自在计算量以及识别速度上存在的优缺点,并将三者的优点有机结合起来形成一种对特征分类友好的人脸识别算法。该算法通过将特征空间中的多维模式转换为一维,并且使同一类型的样本尽量地集中在一起从而降低了计算量从而提高人脸识别的效率。(2)构建了一个智能门禁系统。这个系统的工作原理是首先用摄像头采集视频中的图像信息,然后对人脸提取有用的特征点进而确定人脸身份。通过实验检测证明,这个系统通过对人脸图像的实时检测,能够有效识别待检测人的身份,从人脸检测到人脸识别需要的平均时间为62ms,即使是在有非人脸存在的复杂背景下,系统的人脸识别正确率也可以达到98%以上,不仅性能优良还能存储数量为100的人脸数据。(3)构建的系统具有良好的平台移植性。在平台运行方面,本文的系统开发采用了Qt+OpenCV(Open Source Computer Vision Library)的框架来实现,可以很好的进行平台间移植,即一次编程实现可多次编译,后期可将代码交叉编译并移植到嵌入式开发板中或者是Android平台,形成一个完整的可应用的系统。
【学位授予单位】：武汉轻工大学
【学位级别】：硕士
【学位授予年份】：2018
【分类号】：TU89;TP391.41
【图文】：

人脸识别算法及其在门禁系统中的应用

5°的rotated特征

级联结构,分类器

图 2.3 分类器级联结构图可以看到通过级联 AdaBoost 分类器能够使用较少的特征和较简单的分类器更快更好的实现分类，而且一旦检测到某区域不是目标就可以直接停止后续检测。由于在人脸检测应用中非人脸区域占大部分，这样大部分检测窗口都能够很快停止，使分类速度得到很大的提高。人脸面部的分类器模型可以通过对强分类器训练之后进行级联获得，所有图像的数据信息都存储在里面，分类器训练好之后就可以进行人脸检测了，在检测过程中每一级分类器都会通过各自的方式对检测到的人脸图像进行标记。2.5 本章小结本章概述了 AdaBoost 算法的基本原理，详细描述了哈尔特征的类型以及特征值的计算，接着讨论了 AdaBoost 算法对分类器的训练以及级联过程以及通过强分类器的级联可以实现人脸检测功能。

【相似文献】