基于视频图像的人脸识别系统研究与实现

发布时间：2024-10-02 20:43

　　随着人脸识别技术的不断发展,其应用潜力和商业价值不断受到社会的关注和认可。但是在实际应用场景中由于环境的多样性和复杂性,以及人脸的多姿态和多角度,对人脸识别系统的准确性和时效性带来很大的干扰。针对以上难点,本文致力于开发一个高效稳定的人脸识别系统。本系统分为两大部分:人脸检测和人脸识别。基于已有的人脸检测和人脸识别算法的基础上,本文创新性的提出了肤色检测和改进型Adaboost相结合的人脸检测算法,以及基于人脸全局特征提取的2DPCA人脸识别算法。实验结果表明:该系统实现实时采集视频的同时,可以快速、准确的识别人脸。本文的主要研究内容如下:(1)介绍了人脸识别技术近些年的发展历程和趋势,概括了人脸检测算法和人脸识别算法的分类,列举了目前常用的人脸库,提出了当前人脸识别领域关键性难题。(2)人脸识别系统的第一个核心模块是人脸检测预处理模块。为实现人脸目标从视频中快速分离和准确定位,在人脸检测预处理模块中详细介绍了运动目标检测、肤色检测和几何特征模型,并对每个算法的原理和应用过程都做了完整论述。(3)人脸识别系统的第二个核心模块是人脸检测模块。人脸检测模块重点介绍了Adaboost算法的原理...

【文章页数】：74 页

【学位级别】：硕士

【文章目录】：
摘要
ABSTRACT
第1章 绪论
    1.1 课题研究背景及意义
    1.2 人脸检测与识别技术研究概况
        1.2.1 发展历史与研究现状
        1.2.2 人脸检测方法分类
        1.2.3 人脸识别方法分类
        1.2.4 常用的人脸库
    1.3 发展趋势以及要解决的问题
    1.4 文章主要内容及章节安排
第2章 人脸检测预处理模块
    2.1 运动分析
        2.1.1 帧间差分法
        2.1.2 背景差分法
        2.1.3 ViBe算法
    2.2 肤色检测
        2.2.1 RGB颜色空间及肤色建模
        2.2.2 HSV颜色空间及肤色建模
        2.2.3 YCbCr颜色空间及肤色建模
    2.3 人脸几何特征
    2.4 实验结果分析
    2.5 本章小结
第3章 基于改进型Adaboost算法的人脸检测
    3.1 Adaboost算法概论
    3.2 Haar-like矩形特征与积分图
        3.2.1 Haar-like矩形特征
        3.2.2 积分图
    3.3 Adaboost算法检测流程
    3.4 级联分类器
    3.5 改进的Adaboost算法
        3.5.1 改进的Haar特征类型
        3.5.2 权重更新
    3.6 实验结果分析
    3.7 本章小结
第4章 人脸全局特征提取算法
    4.1 基于PCA的人脸识别
        4.1.1 PCA基本原理
        4.1.2 人脸识别中PCA的运用
        4.1.3 PCA优劣点分析
    4.2 2DPCA人脸识别
        4.2.1 2DPCA基本原理
        4.2.2 实验结果分析
    4.3 本章小结
第5章 系统平台搭建与测试
    5.1 系统开发环境介绍
        5.1.1 硬件平台简介
        5.1.2 软件环境配置
    5.2 识别系统平台开发
        5.2.1 人脸识别系统平台概述
        5.2.2 系统架构图
        5.2.3 系统模块化设计
    5.3 系统平台主界面设计
    5.4 人脸检测识别系统测试模块
    5.5 本章小结
第6章 总结与展望
    6.1 总结
    6.2 展望
致谢
参考文献
附录一 作者在读期间发表的学术论文及参加的科研项目
    A.发表论文
    B.获奖情况
附录二 Adaboost 算法部分核心代码展示



本文编号：4006339