人脸识别技术研究及其在智能视频检索中的应用

发布时间：2020-03-03 11:35

【摘要】：随着“平安城市”的推进,城市中很多公共区域都安装了摄像头,为打击违法犯罪提供了有力的工具,但如何从海量的视频数据中快速检索到感兴趣目标也成为了一个难题,基于视频的人脸检索技术在此背景下应运而生,而实现其的关键技术是人脸识别,如何提高人脸识别效率和提取更为精确的人脸表达信息成为了研究热点和难点。本文主要对人脸识别中人脸检测和人脸特征提取过程进行深入研究和分析。针对监控视频中人脸检测环境的复杂性问题,利用CAS-PEAL-R1人脸数据库中的姿态、光照、饰物和表情变化的人脸进行分类器训练,将该分类器应用于视频人脸检测系统中。首先,结合中值滤波和均值滤波对视频帧去噪;然后利用YCbCr颜色空间建立的简单肤色模型对预处理后的图像进行肤色分割,并利用几何规则排除一部分类肤色的伪人脸区域;再对剩下的人脸候选区域利用训练的分类器进行人脸检测,并分别在静态图像和动态视频中进行人脸检测测试。在特征提取阶段,对原始LBP算子、均匀模式LBP、旋转不变LBP、Haar型LBP算法、PCA算法原理进行深入分析比较,针对传统的LBP算子无法提取到人脸图像的多尺度、深层次纹理信息等问题,本文提出了改进的Haar型LBP和PCA相结合的特征提取方法。首先利用小波分解将人脸图像在两个尺度下表达;然后用Haar型LBP算法提取每个尺度下的图像纹理特征;采用PCA算法对特征向量进行降维;最后选取最近邻分类器完成人脸的分类识别,并分别在人脸数据库CAS-PEAL-R1、ORL和YALE上对本文提出的特征提取方法进行实验。实验结果表明,本文的人脸检测方法对人脸变化有较高的鲁棒性,加快了人脸检测速度;特征提取方法能够提取更为有效的人脸信息,提高了人脸识别率。系统实现阶段,在OpenCV和Qt开发环境下利用C++语言编程实现了一套智能视频人脸检索原型系统,选取了三段不同复杂程度的视频进行了人脸检索实验。实验结果表明,该系统可以较好的完成人脸实时检索,检索速度和准确率满足实际应用需求,可以大大提高办案人员的工作效率,减轻其工作强度。
【图文】：

二值图像,人脸检测,算法流程

由于监控视频环境复杂性导致人脸检测效果不好，本文利用 CAS-PE数据库中的姿态、光照、饰物和表情变化的人脸进行分类器训练，然类器用于视频人脸检测中。2.2本文人脸检测方法总体思路本文方法分为以下两个阶段来操作，训练阶段：利用 CAS-PEAL-R1 人中的大量人脸图片和根据需要采集的不含人脸的图片进行分类器训练段：为了降低噪声对人脸检测的影响，在检测阶段利用中值滤波和均合的方法对视频帧图像进行去噪，然后对预处理后的图片进行肤色分二值图像排除大部分背景区域，分割出肤色区域后，运用形态学闭运的点按一定规则连接起来并且去掉了较小的噪声点。为进一步加快检利用几何规则排除类肤色的伪人脸区域。最后利用 AdaBoost 算法训练进行人脸检测，本文方法人脸检测流程如图 2.1 所示。待检测图片或视频帧

椒盐噪声,去噪

第 2 章基于肤色分割和 AdaBoost 训练分类器的人脸检测方法 2 22221,2x yF x y e 22x y为滤波半径，σ 为高斯函数的方差决定着滤波器的宽度器的频带就越宽，平滑程度就越好，同时也会带来更大的计）实验结果与分析验证以上介绍的滤波方法的效果，对一幅输入图像分别加入以及乘性噪声，然后分别用三种方法对其进行去噪，，实验图 2.3 和图 2.4 所示。原图加椒盐噪声中值滤波去噪均值滤波去噪高斯滤波去噪
【学位授予单位】：云南师范大学
【学位级别】：硕士
【学位授予年份】：2017
【分类号】：TP391.41

【参考文献】