面向视频的人脸识别算法研究与系统设计

发布时间：2017-05-20 09:10

  本文关键词：面向视频的人脸识别算法研究与系统设计，，由笔耕文化传播整理发布。

【摘要】：随着人工智能和计算机视觉的快速发展,基于生物特征的身份识别具有良好的稳定性等优势,被大量应用于自动认证识别系统中,取得了良好效果。人脸识别拥有自然性、方便性和非接触性等特点,成为了生物特征识别中的热点。国内越来越多的互联网、IT企业瞄准了人脸识别应用于互联网金融的商机,推出了自己的人脸识别产品。用户使用这些产品,可以非常方便的进行注册、开户、支付等认证操作。然而,由于姿势和光照、遮挡等外部因素的影响,人脸识别在视频监控、门禁系统等实际应用中,其性能还不能完全满足人们要求。因此如何有效表示人脸,以及如何减少外部因素对人脸识别的影响,在人脸识别研究中有着重要意义。本文对现有的人脸分析算法进行了深入研究,提出了一种鲁棒性更好的人脸预处理算法以及基于LMTP的人脸纹理特征的描述方法,并以详实的实验证明了改进算法的效果,最后设计和实现了一个面向视频的人脸识别系统。本文的主要工作如下：1、研究人脸图像预处理算法,分析不同算法的优缺点,并提出利用灰度拉伸、Gamma校正、高斯差分、对比度均衡化四个步骤对人脸图像进行预处理,为后续人脸的特征提取和识别打好基础。通过仿真实验对各预处理算法的效果图进行对比,并对实验结果进行了详实的分析。实验表明该算法能提升识别率,并满足实时性。2、研究局部二值模式LBP和局部三值模式LTP对纹理特征的提取,然后针对LBP和LTP对人脸纹理特征描述不足的问题,提出一种基于局部幅度三值模式(LMTP)的人脸识别算法。利用LMTP算子描述局部纹理中像素值间的偏离幅度,并结合LMTP和LTP对人脸进行特征提取。实验表明该算法对纹理有更好的描述能力进而提高了人脸的识别率。3、本文在vs 2010的开发环境下,利用计算机视觉库OpenCV实现了人脸检测、人脸预处理和基于LMTP的人脸特征提取,并实现了一个面向视频的人脸识别原型系统,并对其运行效果和性能进行了测试和分析。
【关键词】：LBP LMTP Adaboost算法 人脸预处理 人脸识别
【学位授予单位】：广东工业大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：TP391.41
【目录】：

• 摘要4-5
• ABSTRACT5-13
• 第一章 绪论13-19
• 1.1 研究背景及意义13-14
• 1.2 国内外研究现状14-16
• 1.2.1 国外的人脸识别研究发展现状14-16
• 1.2.2 国内的人脸识别研究发展现状16
• 1.3 论文的研究内容16-17
• 1.4 论文的组织结构17-19
• 第二章 基于Haar特征和Adaboost的人脸检测19-27
• 2.1 引言19
• 2.2 矩形特征Haar19-21
• 2.2.1 Haar特征定义和模板19-20
• 2.2.2 积分图20-21
• 2.3 Adaboost训练部分21-24
• 2.3.1 弱分类器训练21-22
• 2.3.2 强分类器构造22-23
• 2.3.3 级联分类器23-24
• 2.4 人脸检测试验结果24-26
• 2.5 本章小结26-27
• 第三章 人脸预处理算法27-40
• 3.1 引言27
• 3.2 常用的人脸预处理算法27-31
• 3.2.1 直方图均衡化HE27-28
• 3.2.2 MSR28-30
• 3.2.3 中值滤波30-31
• 3.3 本文人脸预处理算法31-35
• 3.3.1 Gamma校正31-32
• 3.3.2 高斯差分DoG32-33
• 3.3.3 灰度拉伸33-34
• 3.3.4 对比度均衡化34-35
• 3.4 人脸预处理算法步骤与实验结果35-39
• 3.4.1 人脸预处理流程35
• 3.4.2 实验结果与分析35-39
• 3.5 本章小结39-40
• 第四章 基于局部幅度三值模式的人脸识别40-55
• 4.1 引言40
• 4.2 局部二值模式LBP40-46
• 4.2.1 基本局部二值模式40-42
• 4.2.2 旋转不变性42-43
• 4.2.3 等价模式43-44
• 4.2.4 基于LBP的人脸特征44-45
• 4.2.5 人脸直方图相似度测量45-46
• 4.3 局部三值模式LTP46-48
• 4.3.1 LTP算子46-47
• 4.3.2 基于LTP算子的人脸特征提取47-48
• 4.4 LMTP算子的提取和人脸特征的表示48-51
• 4.4.1 局部幅度三值模式LMTP48-50
• 4.4.2 LMTP和LTP人脸的特征提取和表示50-51
• 4.5 实验结果与分析51-54
• 4.5.1 在ORL人脸数据库上的实验51-53
• 4.5.2 在AR和FERET人脸数据库上的实验53-54
• 4.5.3 预处理对识别结果的影响54
• 4.6 本章小结54-55
• 第五章 面向视频的人脸识别系统的设计55-63
• 5.1 引言55
• 5.2 系统的软硬件平台介绍55-56
• 5.2.1 硬件支持55
• 5.2.2 软件平台55-56
• 5.3 人脸识别系统的设计56-59
• 5.3.1 人脸识别系统的结构和流程56-57
• 5.3.2 人脸检测模块57-58
• 5.3.3 人脸预处理模块58
• 5.3.4 特征的提取模块58
• 5.3.5 人脸识别模块58-59
• 5.4 系统的效果与性能分析59-62
• 5.4.1 系统的运行效果59-62
• 5.4.2 性能分析62
• 5.5 本章小结62-63
• 总结与展望63-65
• 参考文献65-71
• 攻读学位期间发表的论文71-73
• 致谢73

【相似文献】

中国期刊全文数据库 前10条

1 王李冬;;一种新的人脸识别算法[J];计算机技术与发展;2009年05期

2 桂荣;沈荣鑫;詹泳;;基于模糊神经推理的人脸识别算法研究[J];华南师范大学学报(自然科学版);2012年04期

3 苏士美;王燕;王明霞;;基于加权小波分解的人脸识别算法研究[J];郑州大学学报(工学版);2014年01期

4 魏冬梅;周卫东;;采用压缩感知的人脸识别算法[J];计算机工程;2011年18期

5 陈皓;霍星;;视频监控中人脸识别算法稳定性的改进[J];工程图学学报;2011年06期

6 李美瑾;;人脸识别算法综述与远程考试系统应用研究[J];广西广播电视大学学报;2012年01期

7 盛朝强;王君;;煤矿井下人员签到系统人脸识别算法研究[J];计算机技术与发展;2012年07期

8 朱学毅;王崇骏;周新民;张W

本文编号：381182