学位论文 > 优秀研究生学位论文题录展示

单样本模式下基于视频的人脸识别算法研究

作　者: 李红匣
导　师: 黄险峰
学　校: 五邑大学
专　业: 模式识别与智能系统
关键词: 人脸检测 人脸识别 ASM Gabor滤波器
分类号: TP391.41
类　型: 硕士论文
年　份: 2013年
下　载: 9次
引　用: 0次
阅　读: 论文下载
 

内容摘要


近年来,人脸识别技术具有直观、快速、可非接触式操作等优势以及广泛的应用前景而逐渐成为计算机图像处理领域中的一项重要课题。一个典型的人脸识别系统主要包括人脸检测、图像预处理、特征提取与选择和人脸识别四个部分。本文分别对这四个部分进行了研究,并在VS2005的开发平台上通过调用开源的OpenCV函数库进行MFC编程,设计实现了在单样本模式下的人脸识别系统。本文设计实现的人脸识别系统分为两个部分：人脸注册系统和人脸识别系统。人脸注册系统主要用于采集不同人脸的图像样本,同时把提取的特征数据保存在xml格式的文件中；人脸识别系统通过将特征库中的人脸图像特征与摄像头中人脸图像的特征进行对比,来判定二者是否为同一个人。人脸注册系统和人脸识别系统都需要进行人脸检测、图像预处理和特征提取与选择三个步骤。首先将从摄像头获取图像转换为灰度图,再利用AdaBoost算法对灰度图进行人脸检测；如果存在人脸,则利用ASM模型对人脸图像进行匹配,以获取左眼的中心区域坐标和右眼的中心区域坐标,然后利用双眼的坐标对人脸图像进行旋转和缩放；然后利用同态滤波算法和直方图规定化算法对校正和归一化后的人脸图像进行光照处理,在尽量保留图像原始信息的基础上削减不均匀光照的影响；再利用Gabor滤波器对经过光照处理的人脸图像进行特征提取。人脸注册系统需要把提取的特征保存为xml格式的文件,以备后续的识别之用；人脸识别系统则通过将人脸注册系统保存的人脸特征与当前摄像头中人脸图像的特征进行比较,如果两者的相似度大于设定的阈值时则认为是同一个人。本文的创新之处主要有两点：一,本文设计实现的人脸识别系统是基于单样本模式下的,也就是说,在人脸注册系统中只需采集不同人的一个人脸图像特征即可达到较高的识别率；二,在利用ASM模型进行人脸校正和归一化处理后,就可以得到人脸面部的眉毛、眼睛、鼻子、嘴巴和轮廓等68个关键特征点的坐标。在对图像进行特征提取时,充分利用了获得的关键特征点的坐标。其中,由于眼睛、嘴巴的开闭容易导致局部纹理变化较大,而下眼睑的纹理特征变化较小。故在进行特征提取时,分别提取了眉毛、下眼睑、鼻子三处的关键点的Gabor特征。

全文目录


摘要  4-5
Abstract  5-9
第一章 绪论  9-16
  1.1 概述  9-10
  1.2 人脸识别应用领域  10
  1.3 人脸检测与识别  10-14
    1.3.1 人脸检测  11-13
    1.3.2 人脸识别  13-14
  1.4 本文的工作及内容  14-16
第二章 基于AdaBoost算法的人脸检测  16-24
  2.1 Boosting方法的提出和发展  16
  2.2 AdaBoost算法基本原理  16-18
  2.3 基于AdaBoost算法的人脸检测  18-24
    2.3.1 矩形特征与积分图  18-21
    2.3.2 训练人脸分类器  21-24
第三章 主动形状模型  24-32
  3.1 ASM背景介绍  24
  3.2 ASM模型算法  24-32
    3.2.1 ASM模型的建立  25-29
    3.2.2 利用ASM模型对图像进行匹配  29-32
第四章 人脸图像预处理  32-35
  4.1 光照对人脸图像的影响  32
  4.2 直方图规定化  32-33
  4.3 同态滤波  33-35
第五章 人脸图像的特征提取  35-40
  5.1 引言  35-36
  5.2 Gabor滤波器  36-37
  5.3 提取Gabor特征  37-38
  5.4 瞳孔定位  38-40
第六章 人脸识别系统设计  40-53
  6.1 OpenCV简介  40
  6.2 基于OpenCV的人脸识别系统设计  40-45
    6.2.1 人脸注册系统  40-44
    6.2.2 人脸识别系统  44-45
  6.3 基于OpenCV的人脸识别系统的算法模块  45-48
    6.3.1 AdaBoost人脸检测算法  45-46
    6.3.2 人脸校正与归一化  46
    6.3.3 图像预处理  46-47
    6.3.4 特征提取和选择  47
    6.3.5 人脸识别  47-48
  6.4 人脸注册系统和人脸识别系统的实现  48-53
    6.4.1 人脸注册系统的实现  48-49
    6.4.2 人脸识别系统的实现  49-51
    6.4.3 测试结果  51-53
第七章 工作总结与展望  53-55
  7.1 本文主要工作  53
  7.2 下一步展望  53-55
参考文献  55-58
攻读硕士学位期间发表和完成的论文  58-59
致谢  59

相似论文

  1. 2D人脸模板保护算法研究,TP391.41
  2. 基于加权投票和关键帧提取的视频流人脸识别方法研究,TP391.41
  3. 基于差分演化的人脸识别方法研究,TP391.41
  4. 基于肤色分割与AdaBoost算法的人脸检测研究,TP391.41
  5. 人脸检测算法的FPGA设计与实现,TP391.41
  6. 基于分类器融合的人脸识别研究,TP391.41
  7. 基于子模式的局部保留映射的人脸识别方法研究,TP391.41
  8. 基于稀疏表示的人脸识别算法研究,TP391.41
  9. 基于局部优化投影的人脸识别方法研究,TP391.41
  10. 基于动态模糊关系的深层结构学习算法研究,TP181
  11. 人脸检测及其DSP实现,TP391.41
  12. 嵌入式人脸检测与跟踪系统的设计与实现,TP274
  13. 基于视频流的快速人脸检测与实时跟踪算法研究,TP391.41
  14. 红外条件下驾驶员疲劳检测研究,TP391.41
  15. 人脸检测系统研究,TP391.41
  16. 三维人脸识别系统研究,TP391.41
  17. 基于仿生模式识别的三维人脸识别研究,TP391.41
  18. 基于运动趋势估计的人脸跟踪技术研究,TP391.41
  19. 基于Adaboost的人脸检测算法研究与实现,TP391.41
  20. 鲁棒流形学习算法研究,TP391.41
  21. 视频序列中人脸检测光流跟踪技术研究,TP391.41

中图分类: > 工业技术 > 自动化技术、计算机技术 > 计算技术、计算机技术 > 计算机的应用 > 信息处理（信息加工） > 模式识别与装置 > 图像识别及其装置
© 2012 www.xueweilunwen.com