学位论文 > 优秀研究生学位论文题录展示

基于图像分析的人脸比对技术研究

作　者: 王峰
导　师: 任明武
学　校: 南京理工大学
专　业: 计算机应用技术
关键词: 人脸检测 Adaboost算法图像校正 ASM算法人脸比对
分类号: TP391.41
类　型: 硕士论文
年　份: 2012年
下　载: 61次
引　用: 0次
阅　读: 论文下载

内容摘要

基于图像分析的人脸比对技术研究主要是面向ATM机环境的自动监控、报警和身份验证的问题提出来的,通过人脸异常的判断和人脸比对两个步骤实现以上的功能。针对正面人脸特征比较多,而且容易提取,本文主要研究了如何对正面人脸进行比对研究。在研究和学习前人理论和方法的基础上,提出了一种基于加权分块区域的正面人脸比对方法。本文的主要研究工作如下：(1)利用Adaboost算法构建了人眼检测和嘴巴检测的分类器,并对训练过程中矩形特征的数量提出了一些优化的方法和改进的措施。通过检测人眼和嘴巴是否缺失来判断是否存在人脸异常的情况。(2)对于前面分析留下的正常人脸图像存在的一些瑕疵,提出了一些校正的方法。并且规范化处理了所有的人脸图像,为人脸比对提供了较好的素材。(3)提出了基于加权分块区域的正面人脸比对方法。该方法首先利用主动形状模型(ASM)的方法实现人脸特征点的自动标定。基于人脸面部的先验知识,面部几何位置特征存在稳定性。然后对特征点分成5块区域,构造人脸个性特征参数,分析各个区域的权重,在此基础上进行加权分块区域的人脸比对。最后实验论证了该方法对于正面人脸具有比较好的比对性能。

全文目录

摘要  3-4
Abstract  4-7
1 绪论  7-15
  1.1 引言  7-11
  1.2 人脸比对技术综述  11-13
    1.2.1 人脸比对的基本原理  11-12
    1.2.2 人脸比对技术的发展趋势  12-13
  1.3 本文的主要工作  13
  1.4 本文的结构  13-15
2 Adaboost算法的发展及应用简述  15-22
  2.1 概述  15-16
  2.2 人脸检测的分类及主要方法  16-17
  2.3 Adaboost算法概述  17-21
    2.3.1 Adaboost算法背景  17-18
    2.3.2 强弱分类器解释及举例  18-19
    2.3.3 Adaboost算法发展  19-21
  2.4 小结  21-22
3 基于特征的人脸异常判断  22-38
  3.1 概述  22
  3.2 Adaboost算法原理  22-29
    3.2.1 Haar矩形特征  23-24
    3.2.2 积分图  24-27
    3.2.3 Adaboost算法  27-29
  3.3 基于Adaboost算法的人眼和嘴巴的检测  29-34
    3.3.1 样本库的构造  29-30
    3.3.2 人眼分类器的训练  30-33
    3.3.3 人眼分类器的级联  33
    3.3.4 人眼检测的实现  33-34
    3.3.5 嘴巴检测的实现  34
  3.4 实验与分析  34-37
    3.4.1 Adaboost算法中矩形特征数量的优化  34-35
    3.4.2 人眼和嘴巴检测结果  35-37
  3.5 小结  37-38
4 人脸图像的规范化处理  38-45
  4.1 概述  38
  4.2 图像几何校正  38-40
    4.2.1 图像缩放  38-39
    4.2.2 图像旋转  39-40
  4.3 直方图均衡化  40
  4.4 图像平滑  40-41
  4.5 校正处理过程  41
  4.6 实验与分析  41-44
  4.7 小结  44-45
5 基于人脸分块区域的正面人脸比对  45-56
  5.1 概述  45
  5.2 基于ASM算法的人脸特征点自动标定  45-49
    5.2.1 主动形状模型(ASM)  45-46
    5.2.2 ASM模型训练阶段  46-49
    5.2.3 ASM图像标定阶段  49
  5.3 人脸姿态判定  49-50
  5.4 人脸个性参数的构造  50-51
  5.5 基于加权分块区域的正面人脸比对算法  51-53
    5.5.1 人脸器官特征参数的权重分析  51-52
    5.5.2 人脸比对算法的主要流程  52
    5.5.3 比对算法阈值的确定方法  52-53
  5.6 实验与分析  53-55
  5.7 小结  55-56
6 总结与展望  56-58
致谢  58-59
参考文献  59-61

基于图像分析的人脸比对技术研究

内容摘要

全文目录

相似论文