基于视频的人脸追踪与识别

发布时间：2017-05-27 13:04

  本文关键词：基于视频的人脸追踪与识别，，由笔耕文化传播整理发布。

【摘要】：随着信息技术的快速发展,视频监控越来越多地应用于安全监控以及身份识别等相关领域,人脸识别是重要的生物特征识别方法之一,主要依据人的面部特征,采用自动化的方法来验证或识别一个人的身份,具有使用便捷、识别率高与非接触性等特点,并且具有广阔的应用发展前景。大多数的人脸识别研究工作,都是在良好的照明条件和正面姿态下进行的,然而在真实场景的实际应用中,并不是每一次都能够获得可靠的面部外观特征描述。人脸识别中最重要的任务就是要找到有效的、区别性的面部外观描述,从而可以减小低质量的人脸图像、尺度变化、光照变化、姿态变化和部分遮挡等带来的影响。其主要有两种重要的方法:基于几何特征描述和基于外观形状描述。在人脸面部变化过程中几何结构描述方法很难提取可靠的特征信息,而出现的特征脸由于残余空间配准误差,往往模糊了图像细节信息,但单一特征并不能有效的描述人脸信息,并且具有准确率低和鲁棒性差的特点。本文主要分为两大模块,分别为人脸检测与追踪、人脸特征提取与识别,如下所示:1)人脸检测与追踪模块:它是以良好的安全性和监视为基础的智能应用模块。本文首先深入分析了Adaboost算法理论并对其进行推导,接着选取视频进行实验分析,证明了它的优越性,且实时性良好。人脸追踪是智能视频监控系统中的一个重要组成部分,深入分析了Mean Shift算法基本理论,然后延伸到Camshift算法。虽然传统的Mean Shift算法通过手动的设置追踪对象,可以追踪移动物体的轨迹,但它不能够很容易地追踪对象,例如对象被遮挡或相同颜色干扰的障碍物。本文根据Ada Boost和Camshift算法的特点,可以自动的完成人脸检测和准确追踪。2)人脸特征提取与识别模块:为了解决单一特征在基于视频的人脸识别中准确率较低的问题,提出了基于方向梯度直方图(HOG)特征和局部三值模式(LTP)特征融合的人脸识别方法。结合轮廓信息和纹理信息,通过HOG特征和LTP特征自适应融合,不仅可以准确识别人脸,解决识别率低下的问题,而且可以减少训练时间,提高系统运行速度。为了说明本文方法的有效性,我们分别在Yale和ORL数据集进行测试,这些数据集包含大量的照明变化,类似于那些在不受控制的条件下拍摄的自然图像,并从互联网中选取一部分视频进行仿真分析,实验结果表明:本文方法能够提高精度,减小误差率。
【关键词】：人脸识别 方向梯度直方图 支持向量机 局部三值模式
【学位授予单位】：长春工业大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：TP391.41
【目录】：

• 摘要3-4
• Abstract4-8
• 第一章 绪论8-16
• 1.1 课题的研究背景及意义8-9
• 1.2 本论文研究内容9-10
• 1.3 国内外研究现状10-13
• 1.3.1 人脸检测与追踪研究现状10-12
• 1.3.2 人脸识别研究现状12-13
• 1.4 本论文的研究难点13-14
• 1.5 论文的组织结构14-16
• 第二章 人脸检测与追踪16-24
• 2.1 视频人脸检测16-20
• 2.1.1 特征提取16-17
• 2.1.2 积分图17-18
• 2.1.3 基于Haar级联的人脸检测18-19
• 2.1.4 Adaboost算法流程19-20
• 2.2 视频人脸追踪20-22
• 2.2.1 Meanshift追踪算法简介20-21
• 2.2.2 Camshift追踪算法分析21-22
• 2.3 视频人脸检测与追踪设计思路22-23
• 2.4 本章小结23-24
• 第三章 人脸特征提取与识别24-37
• 3.1 特征提取与识别流程24
• 3.2 人脸图像预处理24-28
• 3.2.1 直方图均衡化25-27
• 3.2.2 中值滤波27
• 3.2.3 人脸图像归一化27-28
• 3.3 HOG-LTP人脸特征提取28-34
• 3.3.1 HOG特征提取28-30
• 3.3.2 LBP特征提取30-32
• 3.3.3 LTP特征提取32-33
• 3.3.4 特征融合方式33
• 3.3.5 KPCA特征降维处理33-34
• 3.4 人脸分类器设计34-36
• 3.4.1 SVM算法简介34-35
• 3.4.2 SVM算法推导35-36
• 3.5 本章小结36-37
• 第四章 实验结果分析及讨论37-45
• 4.1 实验环境与数据库选择37-38
• 4.3 实验仿真与结果分析38-44
• 4.3.1 视频人脸检测与追踪实验38-40
• 4.3.2 视频人脸追踪与识别实验40-44
• 4.4 本章小结44-45
• 第五章 总结与展望45-47
• 5.1 总结45-46
• 5.2 展望46-47
• 致谢47-48
• 参考文献48-53
• 作者简介53
• 攻读硕士学位期间研究成果53

【相似文献】

中国期刊全文数据库 前10条

1 江宇闻;朱思铭;;基于Overcomplete ICA的人脸特征提取[J];计算机科学;2005年07期

2 陈鹏;;人脸特征提取方法的研究[J];中国水运(理论版);2006年12期

3 魏冬冬;谌海新;聂铁铸;;人脸特征提取与识别技术研究[J];计算机与现代化;2007年03期

4 王宏勇;王青青;;三维人脸特征提取方法综述[J];电子科技;2012年12期

5 王fE;杨光;;改进的脉冲耦合神经网络人脸特征提取方法[J];计算机工程与应用;2013年01期

6 宋宇,周激流,何坤,刘智明,黎奎;多尺度人脸特征提取[J];计算机应用研究;2005年04期

7 陶宇权;程德福;李成荣;徐U

本文编号：400011