人脸检测与跟踪在视频监控中的应用研究

发布时间：2017-09-07 04:31

  本文关键词：人脸检测与跟踪在视频监控中的应用研究

  更多相关文章： 人脸检测 视频监控 AdaBoost 支持向量机 线性判别分析算法

【摘要】：随着信息技术的发展,基于生物特征的人脸识别应用领域非常广泛。鉴于人们对人脸识别的要求不断提高,越来越多的学者进行了更深层次的人脸检测相关研究和探索。探索人脸检测更为有效的方法,是视频监控技术走向实用化必须解决的一个关键问题,它经历了从最初的检测静态图像到实时视频的检测的过程。人脸检测干扰因素很多,其检测算法都存在计算量大、速度慢以及检测准确率低等不足。在人脸检测方面,用得比较多的是AdaBoost方法,AdaBoost方法具备很多优势,也存在一些不足。在试验中发现,尽管它可以检测实时视频,但在复杂的户外场景下,其人脸检测率还不够高,人脸检测准确率偏低,经常会出现错误检测、漏检测和重复检测的现象,把该方法应用于人脸检测还需要进一步的研究和改进。利用肤色信息来进行人脸检测不失为一种行之有效的方法。不过,在利用肤色进行的人脸检测法中,还无法摆脱外在环境带来的技术难题,肤色检测法也并不适合作为人脸检测的主要方法,仅能作为辅助性手段帮助识别人脸检测和跟踪。本文提出了一种Boost2-SVM算法,充分利用了AdaBoost的检测优势和支持向量机的学习泛化能力,结合了两种算法的优点,实验结果表明,改进后的算法,能切实提高人脸识别的精度。本文还提出了一种基于扩展二维线性判别分析方法的人脸识别算法。通过扩充人脸样本,提高了人脸识别的性能。同时在视频监控的实际应用环境中进行了仿真,通过仿真结果可以发现,本文改进后的算法在性能上和人脸识别精确度方面有了较大的提高。本文采用VC6.0编程语言,设计了人脸检测和跟踪系统。在实际测试过程中,实现了复杂背景下快捷进行人脸检测和跟踪。较传统技术纠错效果优势显著,检测率高,错检率低。实验结果表明,采用了新算法的系统具有实时性、准确性特点。
【关键词】：人脸检测 视频监控 AdaBoost 支持向量机 线性判别分析算法
【学位授予单位】：集美大学
【学位级别】：硕士
【学位授予年份】：2015
【分类号】：TP391.41
【目录】：

• 摘要4-5
• Abstract5-10
• 第1章 绪论10-13
• 1.1 研究背景和研究意义10
• 1.2 研究的主要内容10-11
• 1.2.1 人脸检测及算法10-11
• 1.2.2 基于支持向量机的AdaBoost算法改进研究11
• 1.2.3 改进基于模块化 2D-LDA的人脸识别算法11
• 1.3 创新点11
• 1.4 研究方法11-13
• 第2章 相关技术及研究综述13-19
• 2.1 人脸识别技术13-14
• 2.1.1 五官规则13
• 2.1.2 轮廓规则13
• 2.1.3 中分规则13-14
• 2.2 人脸检测途径14-17
• 2.2.1 人脸检测简介14
• 2.2.2 常用的人脸检测方法14-17
• 2.3 国内外研究现状17-19
• 2.3.1 国外的发展概况17
• 2.3.2 国内的发展概况17-19
• 第3章 视频监控中人脸识别及跟踪的应用19-33
• 3.1 系统功能需求19
• 3.2 人脸检测的功能模块设计19-20
• 3.2.1 图像获取模块20
• 3.2.2 图像预处理模块20
• 3.2.3 人脸区域获取20
• 3.2.4 人脸定位模块20
• 3.2.5 特征提取模块20
• 3.2.6 识别模块20
• 3.3 系统实现步骤及图像处理20-29
• 3.3.1 检测跟踪的实现步骤20-22
• 3.3.2 图像的取得22-24
• 3.3.3 人脸数据的处理24-29
• 3.4 实时跟踪效果29-32
• 3.4.1 人脸跟踪介绍29-30
• 3.4.2 人脸跟踪的实现方法30-31
• 3.4.3 人脸跟踪的实验结果31-32
• 3.4.4 对人脸跟踪存在问题的处理32
• 3.5 本章小结32-33
• 第4章 基于模块化 2D-LDA人脸识别算法的改进33-41
• 4.1 基于PCA的人脸识别算法概述33-35
• 4.2 本文的人脸识别算法35-37
• 4.2.1 人脸识别的改进35-36
• 4.2.2 改进算法在视频监控系统中的应用36-37
• 4.3 基于模块化 2D-LDA的人脸识别算法实验37-39
• 4.3.1 人脸数据库样本37
• 4.3.2 人脸样本的扩充37-38
• 4.3.3 视频识别效果38-39
• 4.4 本章小结39-41
• 第5章 基于AdaBoost学习算法的改进41-59
• 5.1 AdaBoost学习算法41-43
• 5.1.1 算法的原理41-42
• 5.1.2 算法讨论42-43
• 5.2 积分图像43-47
• 5.2.1 矩形特征43-44
• 5.2.2 积分图44-45
• 5.2.3 级联分类器45-47
• 5.3 基于AdaBoost人脸检测算法的改进47-53
• 5.3.1 支持向量机47-49
• 5.3.2 对AdaBoost算法的改进49-53
• 5.4 改进后的算法在视频监控中的测试实验结果53-57
• 5.4.1 改进前人脸检测与跟踪实验结果及数据53-55
• 5.4.2 改进后人脸检测与跟踪实验结果及数据55-57
• 5.5 本章小结57-59
• 结束语59-61
• 致谢61-62
• 参考文献62-64
• 在校期间发表的学术论文64

【相似文献】

中国期刊全文数据库 前10条

1 林志阳;康耀红;雷景生;;基于Adaboost的车标定位方法[J];计算机工程;2008年11期

2 张磊;;基于AdaBoost的侧面人脸、人耳检测[J];科学大众;2008年08期

3 付忠良;;关于AdaBoost有效性的分析[J];计算机研究与发展;2008年10期

4 张岗亭;杨全;;两种Adaboost方法在人脸检测中的比较研究[J];微计算机信息;2009年24期

5 严超;王元庆;李久雪;张兆扬;;AdaBoost分类问题的理论推导[J];东南大学学报(自然科学版);2011年04期

6 李印;;基于AdaBoost的行人检测研究与实现[J];数字技术与应用;2012年03期

7 苏加强;丁柳云;;基于R的监督式AdaBoost异常值检测应用[J];淮海工学院学报(自然科学版);2013年01期

8 张志勋;张磊;杨凡;;一种改进的Adaboost人脸检测方法[J];自动化与仪器仪表;2013年06期

9 王海川,张立明;一种新的Adaboost快速训练算法[J];复旦学报(自然科学版);2004年01期

10 赵江,徐鲁安;基于AdaBoost算法的目标检测[J];计算机工程;2004年04期

中国重要会议论文全文数据库 前10条

1 Wen Feng;;A Novel Lips Detection Method Combined Adaboost Algorithm and Camshift Algorithm[A];2012年计算机应用与系统建模国际会议论文集[C];2012年

2 张超;苗振江;;基于AdaBoost的面部信息感知[A];第十三届全国信号处理学术年会（CCSP-2007）论文集[C];2007年

3 郭翌;汪源源;;基于Adaboost算法的颈动脉粥样硬化判别方法[A];中国仪器仪表学会第十一届青年学术会议论文集[C];2009年

4 张红梅;高海华;王行愚;;抑制样本噪声的AdaBoost算法及其在入侵检测中的应用[A];2007年中国智能自动化会议论文集[C];2007年

5 陆文聪;钮冰;金雨欢;;基于AdaBoost算法的亚细胞位置预测[A];中国化学会第26届学术年会化学信息学与化学计量学分会场论文集[C];2008年

6 陈宏伟;刘建伟;费向东;;一种半监督环境下的Adaboost算法[A];2008'中国信息技术与应用学术论坛论文集（二）[C];2008年

7 唐晓丹;苗振江;;基于AdaBoost和粒子滤波的目标跟踪[A];第十四届全国图象图形学学术会议论文集[C];2008年

8 张彬;金连文;;基于AdaBoost的手写体汉字相似字符识别[A];第二十六届中国控制会议论文集[C];2007年

9 ;Using Skin Color and HAD-AdaBoost Algorithm for Face Detection in Color Images[A];Information Technology and Computer Science—Proceedings of 2012 National Conference on Information Technology and Computer Science[C];2012年

10 肖磊;李丽;肖佳文;;基于AdaBoost-SVM的上市公司信用风险评估[A];2012管理创新、智能科技与经济发展研讨会论文集[C];2012年

中国博士学位论文全文数据库 前4条

1 佟旭;基于复杂网络理论的糖尿病肾病辨证建模研究[D];北京中医药大学;2016年

2 刘冲;模拟电路故障诊断AdaBoost集成学习方法研究[D];大连海事大学;2011年

3 张太宁;人眼注视点估计方法的研究[D];南开大学;2013年

4 赵培英;基于智能计算的膜蛋白结构与相互作用预测研究[D];东华大学;2010年

中国硕士学位论文全文数据库 前10条

1 宋雨;基于视觉图片的脑—机接口控制研究[D];天津理工大学;2015年

2 林欣;基于改进肤色模型的AdaBoost人脸检测算法研究[D];陕西科技大学;2015年

3 袁浩杰;Adaboost算法的并行化及其在目标分类中的应用[D];华南理工大学;2015年

4 张恒;基于近红外图像的疲劳驾驶检测研究与系统实现[D];长安大学;2015年

5 朱弘扬;多规则Adaboost算法及其应用研究[D];大连海事大学;2016年

6 梁振华;基于Adaboost与光流法的嘴唇动作获取系统的实现[D];南京大学;2014年

7 韦洪喜;司机防疲劳驾驶系统研究[D];安徽理工大学;2016年

8 周业勇;基于改进LBP和AdaBoost的人脸识别技术研究[D];河南理工大学;2015年

9 陈晓念;基于视觉的避雷器识别与跟踪算法研究[D];广东工业大学;2016年

10 宁娟;基于AdaBoost和色彩信息的脸部特征定位[D];华东师范大学;2016年

，

本文编号：807427