静态图像中人脸检测与识别系统的设计

发布时间：2019-11-27 16:40

【摘要】：随着人工智能技术的兴起和视觉研究领域的发展,人脸识别越来越多地被应用在了社会生活的方方面面中,如智能门禁、网络支付、安防系统等。人脸识别的关键技术主要包括人脸检测和人脸识别两方面。人脸检测是指对输入的图像或视频序列进行检测,在检测出人脸后对其进行标记;人脸识别指的是对确认包含人脸的图像进行识别,将输入的人脸和人脸数据库中已有的人脸做相似度的比较,然后给出人脸的身份。目前单一的人脸识别算法并不能很好的解决复杂背景、多姿态、光照条件不佳等因素的干扰。本课题为解决这些问题,对人脸检测与识别的关键算法进行深入的研究,结合不同算法的优势,在PC平台上对静态图像中人脸检测与识别系统的设计开展实验研究。在深入研究相关资料后,本文对目前人脸检测与识别技术的发展和现状做了简要的分析,介绍了目前主流的人脸检测和人脸识别算法的原理以及其优缺点。因为在实际生活中,输入的图像往往不是理想的,容易受到噪声、光线、表情变化、阴影遮挡等因素的干扰,因此,本文在人脸的检测之前对图像进行了预处理,对输入图像进行了选择合适颜色空间、几何校正、图像滤波等操作。紧接着利用肤色算法和Adaboost算法这两种方法进行人脸区域检测,并分析这两种方法的优缺点。考虑到这两种算法的互补性,将肤色算法嵌入Adaboost级联分类器,得到更好的人脸检测效果。在检测出人脸区域后,利用基于灰度统计的五官定位算法对人脸的五个关键特征点进行定位。根据特征脸法,建立特征脸空间,对待识别的人脸图像进行处理后将其投射到特征脸空间,与人脸库中的样本进行匹配,结合关键特征点的定位得到的几何信息,对人脸进行识别。实验结果表明,该系统有较高的检测率和识别率,能够满足静态图像中对人脸进行检测并识别的需求。
【图文】：

0.50000 -0.41869 0.08131 128 B度值；度值；度值。图像后，就扫描该图像，获得该彩色图像每根据公式将每一像素转换到 YCbCr 空间下，，bCr 颜色空间中，亮度分量和色度分量是分类效果更佳，减少了亮度发生变化带来的影可以由 RGB 颜色空间线性变换而得，所以些考虑，本文选择在 YCbCr 颜色空间对肤色

人脸图像裁切比例
【学位授予单位】：哈尔滨工业大学
【学位级别】：硕士
【学位授予年份】：2017
【分类号】：TP391.41

【参考文献】

相关期刊论文 前10条

1 储久良;袁宝华;任明武;;基于LPQ和Fisherfaces的模糊人脸识别[J];河南理工大学学报(自然科学版);2015年06期

2 唐守军;;基于子图分割和BP神经网络的人脸识别方法[J];电子技术与软件工程;2015年05期

3 蔺

本文编号：2566681