视频人脸检测与识别方法研究

论文摘要

随着机器视觉和人机交互等技术的发展,生物识别技术逐渐成为模式识别和图像分析领域的研究热点,而人脸检测识别系统由于可以对目标进行非接触性隐秘采集,符合一般用户的习惯,逐渐引起人们的重视。另外,人脸信息不容易隐藏,尤其适用于公共场所的安全监控。再者人脸检测识别系统可交互性强,具有方便、快捷的事后追踪能力,可以有效地提高系统的可靠性和可用性。人脸检测和识别是指在各种不同场景中判断人脸存在与否及存在人脸的数目、位置和范围并最终确定其身份的过程。本文主要针对人脸检测识别系统的小型实时应用进行算法研究改进以及系统实现,主要开展了以下几个方面的工作:1.在总结前人研究的基础上,提出结合运动、肤色和先验信息的级联式人脸检测方法。该方法首先运用运动信息提取出场景内感兴趣的运动目标,然后利用改进非线性YCbCr空间中的肤色模型分离肤色区域,再利用支持向量机排除手等近肤色的非人脸目标。该方法由粗而精进行人脸检测,减少了计算量,实现多种信息的融合,改善了系统的性能,进而能够更准确、更鲁棒地检测人脸。2.在人脸识别方面,从理论上分析不同特征提取方法的原理,提出了级联主成分分析和核偏最小二乘法的特征提取方法,并与主成分分析、分块奇异值分解、线性判别分析等特征提取方法在K近邻和支持向量机分类器下进行比较,所提出的方法在开放人脸数据库实验中取得了令人满意的识别率。3.采用微软的开源软件开发包DirectShow技术在Windows操作平台上进行系统开发,使人脸检测识别软件可以方便地处理多媒体流的捕捉和回放,具有很好的硬件设备无关性和实时的硬件访问能力。

论文目录

• 摘要
• Abstract
• 第1章 绪论
• 1.1 人脸检测和识别的研究背景及意义
• 1.2 人脸检测识别技术的优点和缺点
• 1.2.1 人脸检测识别技术的优点
• 1.2.2 人脸检测识别技术的缺点
• 1.3 国内外研究的现状
• 1.4 人脸检测和识别技术的评价标准
• 1.4.1 人脸检测技术的评价指标
• 1.4.2 人脸识别技术的评价指标
• 1.5 本论文研究内容和组织结构
• 1.5.1 本论文研究内容
• 1.5.2 本论文组织结构
• 第2章 级联式人脸检测
• 2.1 基于运动信息的人脸检测
• 2.1.1 背景模型的提取与更新
• 2.1.2 运动目标的检测
• 2.1.3 运动目标检测的后期处理
• 2.2 基于彩色信息的人脸检测
• 2.2.1 常用的几个线性彩色空间
• 2.2.2 非线性YCbCr空间
• 2.2.3 自适应肤色模型及其结果
• 2.3 基于支持向量机对人脸的验证
• 2.3.1 支持向量机简介
• 2.3.2 支持向量机算法原理分析
• 2.3.3 支持向量机验证人脸实验及结果分析
• 第3章 基于PCA和KPLS的人脸特征提取和识别
• 3.1 人脸特征提取方法
• 3.1.1 主成分分析法
• 3.1.2 奇异值分解法
• 3.1.3 线性鉴别分析法
• 3.1.4 PLS及其核方法
• 3.2 分类器简述
• 3.2.1 K近邻分类器
• 3.2.2 SVM用于多类分类
• 3.3 基于PCA和KPLS进行特征提取的人脸识别方法
• 3.3.1 基于PCA和KPLS的特征提取方法
• 3.3.2 实验分析
• 3.3.3 实验小结
• 第4章 基于DirectShow的人脸检测识别软件实现
• 4.1 DirectX及DirectShow概述
• 4.2 DirectShow技术
• 4.2.1 DirectShow系统框架
• 4.2.2 组件对象模型（COM）技术
• 4.2.3 Directshow过滤器（Filter）原理
• 4.3 应用Directshow进行软件开发
• 4.3.1 DirectShow视频捕捉应用程序开发的一般过程
• 4.3.2 基于DirectShow的人脸检测和识别软件的实现
• 4.4 本章小结
• 结论
• 参考文献
• 附录A （攻读学位期间所发表的学术论文目录）
• 致谢