嵌入式环境下人脸识别技术研究

发布时间：2021-02-03 18:40

　　人脸识别是计算机视觉领域的重要分支和研究方向,在智能家居、身份认证等领域有着非常广泛的应用,基于机器学习的人脸识别算法也越来越受到学术界的重视。本文的主要工作是人脸识别技术的研究,重点是子模式GLHist-LP人脸识别算法的研究,以及该算法在以ARM为核心的嵌入式平台上的实现、测试与分析。在研究分析了现有人脸识别相关技术基础上,提出了子模式GLHist-LP人脸识别算法网络结构,与现有识别算法相比,该结构降低了人脸特征的维数,可以加快人脸识别算法的执行速度,提高人脸识别准确率与效率;主特征提取的主要工作是通过面部局部区域划分形成子模式,对得到的四种子模式图像利用改进的Gabor滤波器进行卷积处理,进而得到Gabor特征图,并对特征图集合进行二值模式直方图降维,提取到256维的LGBP直方图信息,将其结果应用于子模式GLHist-LP人脸识别算法中,降低了识别算法的运算量;辅特征提取的主要工作是利用LBP特征对全局图像的纹理敏感性和旋转不变性实现特征提取,对得到的特征向量再通过2D-PCA线性映射算法完成降维操作,得到维数为82的辅特征,针对主特征缺乏面部整体结构信息的问题实现了完善和强... 

【文章来源】：西安电子科技大学陕西省 211工程院校 教育部直属院校

【文章页数】：91 页

【学位级别】：硕士

【文章目录】：
摘要
ABSTRACT
符号对照表
缩略语对照表
第一章 绪论
    1.1 课题研究背景与意义
    1.2 国内外研究现状
        1.2.1 人脸识别研究现状
        1.2.2 嵌入式系统概况
        1.2.3 嵌入式系统下人脸识别研究现状
    1.3 论文的研究内容和组织结构
        1.3.1 研究工作
        1.3.2 论文章节安排
第二章 人脸识别相关技术与嵌入式系统结构分析
    2.1 图像预处理
    2.2 人脸检测
    2.3 人脸特征提取
        2.3.1 图像局部特征提取
        2.3.2 主成分分析法（PCA）
    2.4 分类器
        2.4.1 分类器介绍
        2.4.2 影响分类器错误率的因素和评估方法
    2.5 嵌入式系统结构分析
    2.6 本章小结
第三章 子模式GLHist-LP人脸识别算法
    3.1 子模式GLHist-LP人脸识别算法网络结构提出
    3.2 子模式GLHist-LP人脸识别算法网络结构分析
    3.3 主特征提取及降维
        3.3.1 基于子模式的Gabor特征提取
        3.3.2 改进局部Gabor滤波器组
        3.3.3 改进的Gabor特征降维
    3.4 辅特征提取及降维
        3.4.1 基于LBP特征的辅助网络
        3.4.2 LBP特征降维
    3.5 主辅特征信息融合
    3.6 Adaboost人脸分类算法
    3.7 本章小结
第四章 子模式GLHist-LP人脸识别算法训练与分析
    4.1 实验环境搭建
    4.2 人脸数据库选择与建立
    4.3 人脸图像预处理
    4.4 人脸分类模型训练
    4.5 人脸识别测试
    4.6 测试结果对比分析
    4.7 本章小结
第五章 子模式GLHist-LP人脸识别算法在嵌入式平台实现
    5.1 系统平台搭建
        5.1.1 交叉编译环境建立
        5.1.2 BootLoader
        5.1.3 kernel和根文件系统
        5.1.4 QTE编译
        5.1.5 OpenCV交叉编译
        5.1.6 系统移植
        5.1.7 摄像头驱动与测试
    5.2 人脸识别Linux-QT应用开发
    5.3 子模式GLHist-LP人脸识别算法嵌入式Linux平台移植
    5.4 嵌入式人脸识别测试
    5.5 本章小结
第六章 总结与展望
    6.1 总结
    6.2 展望
参考文献
致谢
作者简介
    1. 基本情况
    2. 教育背景


【参考文献】：
期刊论文
[1]基于灰度变化后阈值分割的丝带检测[J]. 杨永杰,陈香,唐钰婷,包志华.  丝绸. 2013(09)
[2]基于S3C2410平台与嵌入式Linux的图像采集应用[J]. 李侃,廖启征.  微计算机信息. 2006(08)
[3]人脸检测研究综述[J]. 梁路宏,艾海舟,徐光祐,张钹.  计算机学报. 2002(05)

博士论文
[1]基于面部信息的驾驶者疲劳状态分类方法研究[D]. 杜勇.哈尔滨工业大学 2012
[2]基于双向二维子空间分析的人脸特征提取[D]. 齐永锋.西南交通大学 2011
[3]基于二维MB-LGBP特征的表情识别及其光照检测研究[D]. 张铮.天津大学 2010
[4]计算机人脸检测与识别方法的研究[D]. 俞王新.上海交通大学 2009

硕士论文
[1]基于嵌入式技术的人脸识别门禁系统设计与实现[D]. 司凤玲.武汉纺织大学 2018
[2]基于行为分析的Android恶意软件检测方法研究[D]. 陈晨.北京交通大学 2018
[3]基于子空间学习的多视角步态识别算法研究[D]. 胡婷.大连海事大学 2018
[4]基于ARM的工业Web监控系统研究与实现[D]. 丁律.江南大学 2017
[5]突发水域污染的移动水质监测系统研究[D]. 曹宏桂.西安建筑科技大学 2017
[6]基于LBP特征的人脸识别算法研究与应用[D]. 陈湘.湖南师范大学 2017
[7]基于深度学习的人脸表情识别算法研究[D]. 宋新慧.浙江大学 2017
[8]基于FPGA的AdaBoost手势检测算法的硬件架构研究[D]. 冯永鹏.华南理工大学 2016
[9]基于高维特征的人脸认证方法研究[D]. 李帅奇.电子科技大学 2016
[10]基于KNN算法的Android应用异常检测技术研究[D]. 刘晓明.北京交通大学 2016



本文编号：3016980