面向交通监控的驾驶员人脸检测技术研究
发布时间：2021-01-24 01:51
国内的交通监控系统能够对经过交通卡口的车辆进行自动抓拍并提取相关特征,但对驾驶员的脸部信息,系统还未涉及。车牌虽然具有唯一性的特点,但是很容易伪造,一些不法分子通常会使用套牌车辆执行违法犯罪活动,这使得某些案件的侦查难度大大增加。当今社会,身份认证的关联性不断提高,驾驶人作为车辆相关特征,其脸部特征将对违法车辆相关案件的侦查提供极大的帮助。因此,对驾驶员人脸特征进行提取具有极大的现实意义。本文着眼于卡口采集到的图像,首先研究了传统机器学习算法中最具代表性的Adaboost算法,并进行了改进;在此基础上,进一步研究了基于深度学习框架的人脸检测算法,MTCNN人脸检测框架,有效的解决了卡口图像中光照变化剧烈,遮挡等问题。本文的主要研究内容如下:（1）Adaboost人脸检测算法。针对卡口图像的环境,搜集训练样本,并训练人脸分类器,随着分类器层数的加深,可能会出现分类器的退化,本章对权值更新策略进行改进,有效抑制分类器退化现象的发生。并设计负样本扩充策略,有效降低了误检率。最后利用高斯肤色模型对候选的人脸区域进行筛选。（2）MTCNN人脸检测算法。MTCNN是一种三级级联的卷积网络,实现了由...
【文章来源】：东南大学江苏省 211工程院校 985工程院校 教育部直属院校
【文章页数】：69 页
【学位级别】：硕士
【部分图文】：
原始矩形特征
图 2-2 扩展的矩形特征a-1d 代表边缘特征，2a-2h 代表线性特征，3a、3b 代表中心环绕特以看出，每个特征均由 2-3 个矩形组成，特征模板可以按检测窗口的任意位置，不同大小、放置在不同位置的模 特征值计算方式是白色区域像素值之和减去黑色区域像：1Re ( )NN i iifeature w ctSum r== ∑矩形ir 的权重，Re ( )ictSum r 是矩形ir 所围图像的像素值个数。举例说明，如图 2-2 中的 2a 这个线性特征，它由2 3=1, w = 2 , w=1则其特征值为：2 3(1,2,3)Re ( ) Re ( ) 2 Re ( ) Re ( )i i iiw ctSum r ctSum r ctSum r ctSum r∈= ∑= +小、放置在不同位置的模板代表着不同的特征，因此一
图 2-3 积分图 A( x , y )表示点( x , y )的积分图， s ( x , y )表示原图像中之和，因此积分图可按照递推公式 2-6 和 2-7 计算。s ( x , =y ) s ( x , y 1) + i ( x , y)ii ( x , y ) = ii ( x 1, y ) + s ( x , y)I 的积分图像后，就可以快速方便的计算出矩形特征值内的灰度积分，则可由各点的积分图像值得到：Re ctSum图 2-4 矩形D灰度积分计算方式示意图
【参考文献】：
期刊论文
[1]人脸检测研究进展和发展现状[J]. 韩贵金,杨嘉宁. 科技展望. 2017(25)
[2]生物特征识别专利技术综述[J]. 田梅靖,杜琳琳. 科技展望. 2017(23)
[3]人脸检测技术综述[J]. 游清清,谌海云,骆俊,王小怡. 无线互联科技. 2017(10)
[4]基于深度学习的驾驶员头部姿态参数估计[J]. 阮志强,方向忠. 信息技术. 2017(02)
[5]一种基于知识的快速人脸检测方法[J]. 姜军,张桂林. 中国图象图形学报. 2002(01)
[6]基于多关联模板匹配的人脸检测[J]. 梁路宏,艾海舟,何克忠,张钹. 软件学报. 2001(01)
硕士论文
[1]基于表情与头部状态识别的疲劳驾驶检测算法的研究[D]. 邹昕彤.吉林大学 2017
[2]基于深度学习的溯源视频目标检测与识别[D]. 刘健.东南大学 2016
[3]基于面部信息的疲劳驾驶检测方法研究[D]. 赵晓琳.吉林大学 2016
[4]基于肤色分割及连续Adaboost算法的人脸检测研究[D]. 杨新权.电子科技大学 2013
[5]基于肤色和Adaboost算法的人脸检测方法研究[D]. 艾学轶.华中师范大学 2009
本文编号：2996334
【文章来源】：东南大学江苏省 211工程院校 985工程院校 教育部直属院校
【文章页数】：69 页
【学位级别】：硕士
【部分图文】：
原始矩形特征
图 2-2 扩展的矩形特征a-1d 代表边缘特征，2a-2h 代表线性特征，3a、3b 代表中心环绕特以看出，每个特征均由 2-3 个矩形组成，特征模板可以按检测窗口的任意位置，不同大小、放置在不同位置的模 特征值计算方式是白色区域像素值之和减去黑色区域像：1Re ( )NN i iifeature w ctSum r== ∑矩形ir 的权重，Re ( )ictSum r 是矩形ir 所围图像的像素值个数。举例说明，如图 2-2 中的 2a 这个线性特征，它由2 3=1, w = 2 , w=1则其特征值为：2 3(1,2,3)Re ( ) Re ( ) 2 Re ( ) Re ( )i i iiw ctSum r ctSum r ctSum r ctSum r∈= ∑= +小、放置在不同位置的模板代表着不同的特征，因此一
图 2-3 积分图 A( x , y )表示点( x , y )的积分图， s ( x , y )表示原图像中之和，因此积分图可按照递推公式 2-6 和 2-7 计算。s ( x , =y ) s ( x , y 1) + i ( x , y)ii ( x , y ) = ii ( x 1, y ) + s ( x , y)I 的积分图像后，就可以快速方便的计算出矩形特征值内的灰度积分，则可由各点的积分图像值得到：Re ctSum图 2-4 矩形D灰度积分计算方式示意图
【参考文献】：
期刊论文
[1]人脸检测研究进展和发展现状[J]. 韩贵金,杨嘉宁. 科技展望. 2017(25)
[2]生物特征识别专利技术综述[J]. 田梅靖,杜琳琳. 科技展望. 2017(23)
[3]人脸检测技术综述[J]. 游清清,谌海云,骆俊,王小怡. 无线互联科技. 2017(10)
[4]基于深度学习的驾驶员头部姿态参数估计[J]. 阮志强,方向忠. 信息技术. 2017(02)
[5]一种基于知识的快速人脸检测方法[J]. 姜军,张桂林. 中国图象图形学报. 2002(01)
[6]基于多关联模板匹配的人脸检测[J]. 梁路宏,艾海舟,何克忠,张钹. 软件学报. 2001(01)
硕士论文
[1]基于表情与头部状态识别的疲劳驾驶检测算法的研究[D]. 邹昕彤.吉林大学 2017
[2]基于深度学习的溯源视频目标检测与识别[D]. 刘健.东南大学 2016
[3]基于面部信息的疲劳驾驶检测方法研究[D]. 赵晓琳.吉林大学 2016
[4]基于肤色分割及连续Adaboost算法的人脸检测研究[D]. 杨新权.电子科技大学 2013
[5]基于肤色和Adaboost算法的人脸检测方法研究[D]. 艾学轶.华中师范大学 2009
本文编号：2996334
本文链接：https://www.wllwen.com/kejilunwen/jiaotonggongchenglunwen/2996334.html
