基于Android平台复杂光照条件下人脸识别系统研究
发布时间：2021-11-21 19:38
本文主要对人脸识别技术在复杂光照条件下进行了研究,对人脸识别的核心技术在Android平台下进行研究和分析。系统对人脸识别系统的预处理、特征提取、分类识别三个关键环做了详细的研究,系统性能经过每一阶段的处理后都会得到一定的提升。本设计系统主要进行了以下几个方面的研究:（1）在预处理阶段运用了Retinex算法,对Retinex理论的本质意义进行分析,得出了Retinex输出图像的本质,即相对反射率,而相对反射率对光照的敏感度很低,因而本文将其在研究情况复杂的人脸图像预处理时采用了这一算法。对Retinex输出图像进行灰度值采用均值方差归一化的方法进行线性拉伸。仿真结果表明,人脸人脸图像经过该算法处理后图像效果得到明显的提升,在非受控条件下得到的复杂光照人脸图像尤为突出。（2）对可变光照人脸识别算法研究主要涉及了局部二值模式（Local Binary Pattern,LBP）和线性回归两种算法,这两种算法同时涉及人脸识别系统的三个关键环节,光照等影响因素在每一个环节都会得到一定的处理,使得可变光照算法更加完整。对光照不变特征的提取采用的是具有光照鲁棒性的分块LBP,在分类识别阶段使用的是...
【文章来源】：湖北工业大学湖北省
【文章页数】：51 页
【学位级别】：硕士
【文章目录】：
摘要
Abstract
第1章 绪论
1.1 课题背景
1.2 人脸识别技术的国内外现状
1.3 人脸识别技术未来的发展趋势
1.4 本文主要研究内容与组织
第2章 人脸识别研究的关键技术
2.1 人脸识别的三个阶段
2.2 人脸图像预处理
2.2.1 彩色转灰色图像
2.2.2 几何处理（统一尺寸）
2.2.3 灰度预处理（统一光照）
2.3 特征提取
2.4 分类与识别
2.5 本章小结
第3章 光照和噪声影响下人脸图像的预处理
3.1 Retinex理论及分析
3.2 人脸图像预处理算法
3.2.1 对输入图像进行Retinex预处理
3.2.2 归一化Retinex预处理图像的灰度值
3.3 基于Retinex理论的光照补偿算法改进
3.4 W-G算法的预处理
3.4.1 小波变换强化高频分量
3.4.2 提取光照不变量
3.5 仿真结果及分析
3.5.1 在Extended Yale Face Database B上的实验结果
3.5.2 在ORL人脸库上的实验结果
3.6 本章小结
第4章 人脸图像的特征提取及分类
4.1 LBP人脸识别
4.1.1 LBP人脸描述
4.1.2 LBP人脸匹配
4.1.3 LBP人脸算法
4.1.4 改进的LBP人脸算法
4.1.5 LBP分块结果与分析
4.2 线性回归分类算法
4.2.1 算法描述
4.2.2 可变光照下的线性回归算法
4.2.3 算法流程
4.3 实验结果与分析
4.4 本章小结
第5章 系统实现
5.1 搭建Android下的JNI开发环境
5.1.1 安装Cygwin和配置ndk环境
5.1.2 利用NDK编译生成OpenCV静态库
5.2 实现过程
5.2.1 利用Android应用程序框架编写Java代码
5.2.2 利用JNI实现基于OpenCV的人脸检测函数
5.3 应用程序实际测试
5.4 本章小结
第6章 总结与展望
6.1 总结
6.2 展望
参考文献
致谢
【参考文献】：
期刊论文
[1]基于局部特征和集成学习的鲁棒彩色人脸识别算法[J]. 邵珠宏,欧阳军林,廖帆,舒华忠. 东南大学学报(自然科学版). 2015(02)
[2]基于OpenCV的通用人脸检测模块设计[J]. 张莹,李勇平,敖新宇. 计算机工程与科学. 2011(01)
[3]图像边缘检测方法的比较和研究[J]. 王苑楠. 计算机与数字工程. 2009(01)
[4]医学图像灰度归一化显示技术研究[J]. 万金鑫,宋余庆,董淑德,赵德坤. CT理论与应用研究. 2008(04)
[5]基于多级小波分解的人脸图像光照补偿方法[J]. 龚卫国,杨利平,辜小花,李伟红. 光学精密工程. 2008(08)
[6]一种Java与OpenCV结合实现的目标检测模块[J]. 韩露,李祖枢,陈东义. 计算机应用. 2008(03)
[7]直方图均衡化在图像处理中的应用[J]. 任艳斐. 科技信息. 2007(04)
[8]JNI技术实现跨平台开发的研究[J]. 任俊伟,林东岱. 计算机应用研究. 2005(07)
硕士论文
[1]多姿态人脸识别算法的研究与设计[D]. 郭姗姗.吉林大学 2016
本文编号：3510106
【文章来源】：湖北工业大学湖北省
【文章页数】：51 页
【学位级别】：硕士
【文章目录】：
摘要
Abstract
第1章 绪论
1.1 课题背景
1.2 人脸识别技术的国内外现状
1.3 人脸识别技术未来的发展趋势
1.4 本文主要研究内容与组织
第2章 人脸识别研究的关键技术
2.1 人脸识别的三个阶段
2.2 人脸图像预处理
2.2.1 彩色转灰色图像
2.2.2 几何处理（统一尺寸）
2.2.3 灰度预处理（统一光照）
2.3 特征提取
2.4 分类与识别
2.5 本章小结
第3章 光照和噪声影响下人脸图像的预处理
3.1 Retinex理论及分析
3.2 人脸图像预处理算法
3.2.1 对输入图像进行Retinex预处理
3.2.2 归一化Retinex预处理图像的灰度值
3.3 基于Retinex理论的光照补偿算法改进
3.4 W-G算法的预处理
3.4.1 小波变换强化高频分量
3.4.2 提取光照不变量
3.5 仿真结果及分析
3.5.1 在Extended Yale Face Database B上的实验结果
3.5.2 在ORL人脸库上的实验结果
3.6 本章小结
第4章 人脸图像的特征提取及分类
4.1 LBP人脸识别
4.1.1 LBP人脸描述
4.1.2 LBP人脸匹配
4.1.3 LBP人脸算法
4.1.4 改进的LBP人脸算法
4.1.5 LBP分块结果与分析
4.2 线性回归分类算法
4.2.1 算法描述
4.2.2 可变光照下的线性回归算法
4.2.3 算法流程
4.3 实验结果与分析
4.4 本章小结
第5章 系统实现
5.1 搭建Android下的JNI开发环境
5.1.1 安装Cygwin和配置ndk环境
5.1.2 利用NDK编译生成OpenCV静态库
5.2 实现过程
5.2.1 利用Android应用程序框架编写Java代码
5.2.2 利用JNI实现基于OpenCV的人脸检测函数
5.3 应用程序实际测试
5.4 本章小结
第6章 总结与展望
6.1 总结
6.2 展望
参考文献
致谢
【参考文献】：
期刊论文
[1]基于局部特征和集成学习的鲁棒彩色人脸识别算法[J]. 邵珠宏,欧阳军林,廖帆,舒华忠. 东南大学学报(自然科学版). 2015(02)
[2]基于OpenCV的通用人脸检测模块设计[J]. 张莹,李勇平,敖新宇. 计算机工程与科学. 2011(01)
[3]图像边缘检测方法的比较和研究[J]. 王苑楠. 计算机与数字工程. 2009(01)
[4]医学图像灰度归一化显示技术研究[J]. 万金鑫,宋余庆,董淑德,赵德坤. CT理论与应用研究. 2008(04)
[5]基于多级小波分解的人脸图像光照补偿方法[J]. 龚卫国,杨利平,辜小花,李伟红. 光学精密工程. 2008(08)
[6]一种Java与OpenCV结合实现的目标检测模块[J]. 韩露,李祖枢,陈东义. 计算机应用. 2008(03)
[7]直方图均衡化在图像处理中的应用[J]. 任艳斐. 科技信息. 2007(04)
[8]JNI技术实现跨平台开发的研究[J]. 任俊伟,林东岱. 计算机应用研究. 2005(07)
硕士论文
[1]多姿态人脸识别算法的研究与设计[D]. 郭姗姗.吉林大学 2016
本文编号：3510106
本文链接：https://www.wllwen.com/kejilunwen/ruanjiangongchenglunwen/3510106.html
