基于人脸识别的身份认证系统的设计与实现
发布时间：2021-08-02 09:24
身份认证是系统安全的重要组成部分。如果登录系统人员与操作系统人员不一致,将会给企业带来不可估量的损失,因此保证身份认证的一致性是保障系统安全运行的前提。密码登录代人登录系统进行相关操作的现象较为常见,刷卡登录系统也容易出现代刷卡现象,生物识别技术与前两种方式相比安全性高且代刷卡现象相对较少。目前,应用于登录系统的主要有指纹识别和人脸识别,由于指纹识别采用接触式识别且识别率易受手指皮肤的影响,人脸识别采用非接触式识别,相比更为被人接受。论文主要工作内容如下:（1）针对无法保证系统登录人员与操作系统人员一致性的问题,设计人脸识别前需进行照片欺骗检测的流程,提出基于LBP特征的照片欺骗检测方法进行欺骗检测,根据分类结果进行后续操作。（2）针对人脸图像预处理中传统的人眼定位分类器在戴眼镜情况下定位准确率较低问题,设计在人眼定位前进行眼镜检测,根据眼镜检测结果选择不同人眼定位分类器的方法,采用形态学眼镜检测方法,根据输入的灰度化人脸图像进行人脸图像分割,得出含有眼镜边框的感兴趣区域ROI,并将感兴趣区域进行形态学操作,最后进行边缘检测,提高人眼定位准确率,进而提升人脸识别率。（3）根据人眼定位结...
【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】：60 页
【学位级别】：硕士
【部分图文】：
级联分类模型
（1）基于几何特征的人脸识别方法根据人脸面部拓扑结构几何关系用一组特殊的几何矢量来表示，然后进行相似性度量计算。人脸的几何特征关系指的是人脸的面部特征的形状、大小、角度和位置的关系，人脸的面部特征主要有眼睛、嘴巴、鼻子等人脸面部显著特点。此方法识别速度快，但是对特征点匹配要求较高，且当人脸的五官位置发生变化时，相应的识别效率也会低，因此此方法的实用性较低。（2）基于子空间的人脸识别方法由于样本特征在低维子空间更易于分类，因此可以通过空间变换将高维的人脸图像特征压缩到一个低维的子空间中，其典型的代表算法是基于 PCA 的人脸识别和基于LDA 的人脸识别。PCA 技术主要是通过降低特征空间维数的方式来降低存储成本和减少计算量从而获得相对较高的准确性。具体实现方式是确定一个能够很好的分离数据的空间，可以消除数据之间的相关性，简化数据集合的维数。在基于 PCA 的人脸识别流程中，主要有以下几个阶段：训练样本、特征提取、构造特征空间、投影计算，主要流程如图 2-3 所示：
第二章 相关技术（3）基于局部特征的人脸识别方法基于子空间的人脸识别方法虽然特征维数相比较低，但是它是全局化的，有很多人征信息是与分类结果无关的，因此可以找出局部性相关信息是非常重要的。人的脸部特征随着年龄的增长并不会有太大的变化，可以将人脸分为多个局部特征，将这部特征进行相似对比，典型的局部特征有 LBP。LBP 主要用于局部纹理特征的提取，LBP 算法主要是利用结构化和统计化的思想，用来提取窗口的特征，后者是用来提取最终的整体特征。最原始的 LBP 特征计算骤如下：首先是选择一个合适大小的邻域窗口 n n（ n 3），最中间的点为中心，点的像素值都与该中心点的像素值进行比较，若是不小于该点像素，则记为 1，否为 0，然后再将这些处理过后的像素值按一定的顺序排列，得到一组二进制数值，此二进制数值转化成十进制整数，则窗口的 LBP 特征值就是该十进制数，具体流图 2-4 所示：
【参考文献】：
期刊论文
[1]基于二维PCA和SVM算法的人脸识别系统[J]. 李德福,黄新. 桂林电子科技大学学报. 2017(05)
[2]基于PCA和图嵌入方法的人脸识别[J]. 吴朝霞,张阳. 电子世界. 2017(23)
[3]AdaBoost检测结合SOM的自动人脸识别方法[J]. 叶剑锋,王化明. 哈尔滨工程大学学报. 2018(01)
[4]有遮挡人脸识别综述:从子空间回归到深度学习[J]. 李小薪,梁荣华. 计算机学报. 2018(01)
[5]人脸识别技术综述[J]. 左腾. 软件导刊. 2017(02)
[6]卷积神经网络研究综述[J]. 周飞燕,金林鹏,董军. 计算机学报. 2017(06)
[7]基于AdaBoost算法的人脸识别系统的研究与实现[J]. 马博宇,尉寅玮. 仪器仪表学报. 2016(S1)
[8]基于改进的LBP人脸识别算法的研究[J]. 顼聪,陶永鹏. 微型机与应用. 2016(23)
[9]高安全性人脸识别系统中的唇语识别算法研究[J]. 任玉强,田国栋,周祥东,吕江靖,周曦. 计算机应用研究. 2017(04)
[10]基于BP神经网络的人脸识别系统[J]. 安大海,蒋砚军. 软件. 2015(12)
硕士论文
[1]防欺骗人脸识别考勤系统研究与设计[D]. 刘浩志.西南石油大学 2017
[2]基于局部特征的人脸识别身份验证系统[D]. 马文芹.吉林大学 2016
[3]基于深度学习的人脸识别方法的研究[D]. 池燕玲.福建师范大学 2015
[4]基于OpenCV的人脸识别系统的设计与实现[D]. 卜秋月.吉林大学 2015
[5]戴眼镜情况下眼睛定位及眼睛状态识别算法研究[D]. 仝锡民.华南理工大学 2015
[6]复杂背景下基于神经网络的人脸识别方法研究与实现[D]. 麦敬椿.华南理工大学 2014
[7]基于Adaboost的人脸检测方法及眼睛定位算法研究[D]. 龙伶敏.电子科技大学 2008
本文编号：3317316
【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】：60 页
【学位级别】：硕士
【部分图文】：
级联分类模型
（1）基于几何特征的人脸识别方法根据人脸面部拓扑结构几何关系用一组特殊的几何矢量来表示，然后进行相似性度量计算。人脸的几何特征关系指的是人脸的面部特征的形状、大小、角度和位置的关系，人脸的面部特征主要有眼睛、嘴巴、鼻子等人脸面部显著特点。此方法识别速度快，但是对特征点匹配要求较高，且当人脸的五官位置发生变化时，相应的识别效率也会低，因此此方法的实用性较低。（2）基于子空间的人脸识别方法由于样本特征在低维子空间更易于分类，因此可以通过空间变换将高维的人脸图像特征压缩到一个低维的子空间中，其典型的代表算法是基于 PCA 的人脸识别和基于LDA 的人脸识别。PCA 技术主要是通过降低特征空间维数的方式来降低存储成本和减少计算量从而获得相对较高的准确性。具体实现方式是确定一个能够很好的分离数据的空间，可以消除数据之间的相关性，简化数据集合的维数。在基于 PCA 的人脸识别流程中，主要有以下几个阶段：训练样本、特征提取、构造特征空间、投影计算，主要流程如图 2-3 所示：
第二章 相关技术（3）基于局部特征的人脸识别方法基于子空间的人脸识别方法虽然特征维数相比较低，但是它是全局化的，有很多人征信息是与分类结果无关的，因此可以找出局部性相关信息是非常重要的。人的脸部特征随着年龄的增长并不会有太大的变化，可以将人脸分为多个局部特征，将这部特征进行相似对比，典型的局部特征有 LBP。LBP 主要用于局部纹理特征的提取，LBP 算法主要是利用结构化和统计化的思想，用来提取窗口的特征，后者是用来提取最终的整体特征。最原始的 LBP 特征计算骤如下：首先是选择一个合适大小的邻域窗口 n n（ n 3），最中间的点为中心，点的像素值都与该中心点的像素值进行比较，若是不小于该点像素，则记为 1，否为 0，然后再将这些处理过后的像素值按一定的顺序排列，得到一组二进制数值，此二进制数值转化成十进制整数，则窗口的 LBP 特征值就是该十进制数，具体流图 2-4 所示：
【参考文献】：
期刊论文
[1]基于二维PCA和SVM算法的人脸识别系统[J]. 李德福,黄新. 桂林电子科技大学学报. 2017(05)
[2]基于PCA和图嵌入方法的人脸识别[J]. 吴朝霞,张阳. 电子世界. 2017(23)
[3]AdaBoost检测结合SOM的自动人脸识别方法[J]. 叶剑锋,王化明. 哈尔滨工程大学学报. 2018(01)
[4]有遮挡人脸识别综述:从子空间回归到深度学习[J]. 李小薪,梁荣华. 计算机学报. 2018(01)
[5]人脸识别技术综述[J]. 左腾. 软件导刊. 2017(02)
[6]卷积神经网络研究综述[J]. 周飞燕,金林鹏,董军. 计算机学报. 2017(06)
[7]基于AdaBoost算法的人脸识别系统的研究与实现[J]. 马博宇,尉寅玮. 仪器仪表学报. 2016(S1)
[8]基于改进的LBP人脸识别算法的研究[J]. 顼聪,陶永鹏. 微型机与应用. 2016(23)
[9]高安全性人脸识别系统中的唇语识别算法研究[J]. 任玉强,田国栋,周祥东,吕江靖,周曦. 计算机应用研究. 2017(04)
[10]基于BP神经网络的人脸识别系统[J]. 安大海,蒋砚军. 软件. 2015(12)
硕士论文
[1]防欺骗人脸识别考勤系统研究与设计[D]. 刘浩志.西南石油大学 2017
[2]基于局部特征的人脸识别身份验证系统[D]. 马文芹.吉林大学 2016
[3]基于深度学习的人脸识别方法的研究[D]. 池燕玲.福建师范大学 2015
[4]基于OpenCV的人脸识别系统的设计与实现[D]. 卜秋月.吉林大学 2015
[5]戴眼镜情况下眼睛定位及眼睛状态识别算法研究[D]. 仝锡民.华南理工大学 2015
[6]复杂背景下基于神经网络的人脸识别方法研究与实现[D]. 麦敬椿.华南理工大学 2014
[7]基于Adaboost的人脸检测方法及眼睛定位算法研究[D]. 龙伶敏.电子科技大学 2008
本文编号：3317316
本文链接：https://www.wllwen.com/kejilunwen/ruanjiangongchenglunwen/3317316.html
