基于肤色和人工神经网络方法的人脸识别研究

论文摘要

生物特征识别技术是一种可靠、稳定的身份鉴别技术,它依赖于人类所特有的生理或是行为特征。其中,人脸识别技术又是生物特征识别中最具优势的一种识别技术。人脸识别符合人类的习惯,它具有自然友好的、直接有效的特点,容易被人接受。具体是首先判断输入图像中是否存在人脸,然后根据判断进行操作,如果存在人脸,就确定人脸的信息,进行检测和识别。随着科技的快速发展,人脸识别技术的研究有了突飞猛进的发展,同时人脸识别方法也有了较大的突破。各国加大了对人脸识别研究的投入,出现了多种人脸识别系统,各个研究者也提出了许多有效的人脸识别方法。人脸识别过程大致包括人脸检测、特征提取、最终识别三个过程。本文为了使人脸图像检测识别更有效,对图像进行了预处理。然后对处理后的图像采用肤色检测的方法对人脸进行检测,提出了彩色图像处理和检测的相关方法和理论知识。最后对图像进行识别,提出了QGA-BP神经网络识别方法。本文的主要内容如下所示：1.概述本人脸识别研究的背景意义及价值、研究现状及应用、人脸识别技术面临的主要问题等等。2.介绍了彩色图像处理常用的色彩空间和肤色模型,并对人脸的检测和识别的各种方法进行了分析比较。3.本文重点介绍了人脸识别的过程：首先对人脸图像进行预处理操作；然后采用YUV-KL色彩空间,基于肤色模型检测人脸；结合人脸特征的先验知识,用人脸的一些突出特征来对已检测的人脸区域进行验证,最终确定人脸区域；基于KL变换的方法提取人脸特征,为下面更好地对人脸识别做好准备；最后就是对人脸进行识别,本文采用QGA-BP神经网络方法来识别人脸。其中对量子遗传算法和BP神经网络分别进行了介绍,重点介绍了两者结合构成的有效的识别方法。并对只用BP神经网络方法进行人脸识别和用两者结合进行人脸识别作了比较分析。4.总结了本文的研究工作,并对下一步工作进行展望。

论文目录

• 摘要
• ABSTRACT
• 目录
• 第一章 绪论
• 1.1 引言
• 1.2 人脸识别技术在国内外的研究现状及应用
• 1.2.1 在国内的研究现状及应用
• 1.2.2 在国外的研究现状及应用
• 1.3 人脸识别技术面临的关键问题
• 1.4 本文的内容和结构
• 第二章 基本理论
• 2.1 图像预处理的理论知识
• 2.1.1 几何预处理
• 2.1.2 灰度预处理
• 2.2 常用的肤色检测空间
• 2.2.1 RGB色彩空间
• 2.2.2 HSI色彩空间
• 2.2.3 HSB（HSV）色彩空间
• 2.2.4 YUV（YCbCr）色彩空间
• 2.3 肤色模型
• 2.4 常用的人脸检测方法
• 2.5 常用的人脸识别方法
• 2.5.1 基于几何特征的人脸识别方法
• 2.5.2 基于统计的人脸识别方法
• 2.5.3 基于弹性图匹配的人脸识别方法
• 2.5.4 基于神经网络的人脸识别方法
• 第三章 人脸识别方法设计
• 3.1 人脸图像预处理
• 3.1.1 图像增强
• 3.1.2 图像的光线补偿
• 3.2 基于肤色的人脸检测
• 3.2.1 肤色建模
• 3.2.2 人脸区域检测
• 3.2.3 非人脸区域去除
• 3.2.4 人脸区域的精确检测
• 3.2.5 人脸区域的特征验证
• 3.3 人脸特征提取
• 3.4 基于神经网络的人脸识别
• 3.4.1 BP神经网络
• 3.4.2 量子遗传算法
• 3.4.3 QGA-BP神经网络
• 3.4.4 结论分析
• 第四章 结论与展望
• 4.1 结论
• 4.2 展望
• 参考文献
• 致谢
• 硕士期间发表论文