基于加权投票和关键帧提取的视频流人脸识别方法研究

论文摘要

人脸识别技术作为最具有发展潜力的生物特征识别技术之一,在最近几年得到了广泛的研究和应用,尤其是基于视频的人脸识别技术。本文重点研究基于视频的近距离人脸识别方法,主要研究成果包括:(1)基于颜色直方图的人脸关键帧提取算法。通过对视频关键帧提取算法的研究,本文提出基于颜色直方图的视频人脸序列关键帧提取方法,并将该方法应用于视频人脸识别系统中,通过关键帧检测和提取,去除视频中不利于识别的人脸图像帧,减小系统计算量,提高识别效率。(2)基于加权投票的视频序列人脸识别方法。通过重点研究人脸不同部位特征点的分类能力、人脸特征点个数和Gabor特征选择对识别结果的影响,对传统的弹性图匹配算法进行改进,提出基于加权投票的视频流人脸识别方法。实验表明,改进算法不仅提高了识别率,同时缩短了识别时间。(3)实现了基于视频的人脸识别系统。综合利用前面章节介绍的人脸识别相关算法,结合DirectShow和OpenCV开发技术,设计并实现了基于加权投票和关键帧提取的视频流人脸识别系统框架,为进一步研究基于视频的人脸识别技术奠定基础。

论文目录

• 中文摘要
• Abstract
• 第一章 绪论
• 1.1 人脸识别简介
• 1.1.1 生物特征识别技术
• 1.1.2 人脸识别
• 1.2 人脸识别的研究背景和意义
• 1.3 国内外的研究现状
• 1.4 人脸识别技术概述
• 1.5 视频关键帧提取技术
• 1.6 论文主要工作及结构安排
• 1.6.1 本文的主要工作
• 1.6.2 本文的章节安排
• 第二章 人脸检测与预处理
• 2.1 基于Adaboost 算法的人脸检测方法
• 2.1.1 矩形特征与积分图
• 2.1.2 Adaboost 学习算法
• 2.1.3 弱分类器设计
• 2.1.4 级联分类器
• 2.1.5 人脸检测
• 2.2 人脸关键特征点定位
• 2.3 人脸图像预处理
• 2.3.1 人脸图像的几何归一化
• 2.3.2 光照预处理
• 2.4 本章小结
• 第三章 视频人脸序列的关键帧提取
• 3.1 基于颜色直方图的人脸视频关键帧提取算法
• 3.1.1 颜色空间概述
• 3.1.2 RGB 空间到HSV 空间的转换
• 3.1.3 颜色空间量化
• 3.1.4 颜色直方图
• 3.1.5 基于颜色直方图的人脸序列关键帧提取
• 3.2 关键帧提取子系统
• 3.3 实验结果
• 3.4 本章小结
• 第四章 基于弹性图匹配的视频流人脸识别
• 4.1 Gabor 小波变换理论
• 4.1.1 傅里叶变换
• 4.1.2 小波变换
• 4.1.3 Gabor 小波的生物学背景
• 4.1.4 二维Gabor 小波变换
• 4.1.5 二维Gabor 滤波器组的参数
• 4.2 弹性图匹配算法
• 4.2.1 相似度度量
• 4.2.2 人脸特征点选取
• 4.2.3 加权相似度度量
• 4.3 识别结果对比分析
• 4.4 本章小结
• 第五章 视频人脸识别系统的设计和实现
• 5.1 DirectShow 阐述
• 5.2 Intel OpenCV 阐述
• 5.3 人脸识别系统设计
• 5.3.1 各功能模块设计
• 5.3.2 数据库设计
• 5.4 人脸识别系统实现
• 5.5 本章小结
• 第六章 总结与展望
• 6.1 工作总结
• 6.2 展望未来
• 参考文献
• 攻读硕士期间公开发表（录用）论文
• 致谢