基于视频监控的人脸识别技术

论文摘要

基于视频监控的人脸识别技术是融合模式识别、视频图像处理、计算机视觉等多学科的具有挑战性的课题。由于它提供了一种可靠、方便的身份鉴别途径,因此,具有广泛的应用环境和广阔的应用前景,近年来成为研究的热点。人脸检测是人脸识别的前提。论文采用对称差分方法检测视频帧中的运动信息,在此基础上根据人脸肤色在YCrCb彩色空间中的聚类性,利用改进的基于规则的投影算法进行人脸的检测。这样不仅可以检测单人脸,也可对复杂背景下的多人脸进行检测。由于视频中运动具有连续性和规律性,根据前几帧的信息可以对后续帧中人脸位置加以预测跟踪。本文提出了加入调节因子的概念,以此对预测的人脸区域进行大小动态调整,避免了传统预测方法无法自动适应因人体运动造成的人脸区域形状变化的缺点,增加了准确性。实验结果表明,该方法在人脸检测和预测跟踪时不受表情的限制,并且部分抵消了光照的影响。为了对人脸特征进行有效提取,在预处理中,首先对人眼进行定位,以此作为进行预处理的依据。预处理主要包括光照调节、倾斜校正和大小归一化等。特征提取可以分为几何特征提取和代数特征提取。本文选取人脸总体和部分相结合的几何特征,并组成一个一维特征矢量。这样,既照顾脸型特点,又考虑了五官的几何形状及相互间的位置关系。并只选取半脸的五官信息,以减少计算量,给处理带来了方便。对于人脸识别,本文选取了加权相似度的识别方法。并且改进了相似度函数,将选取的特征变量根据受表情影响的程度不同而被赋以不同的权值,既考虑了人脸的不变性,又考虑了人脸的可变性。实验结果表明,这种改进是有效的,对人脸的倾斜、光照的变化以及表情的变化等均具有了较好的适应性。

论文目录

• 摘要
• ABSTRACT
• 1 绪论
• 1.1 课题研究的目的及意义
• 1.1.1 人脸识别的发展
• 1.1.2 人脸识别的优势及应用领域
• 1.1.3 视频监控系统中的人脸识别技术
• 1.1.4 人脸识别的意义
• 1.2 国内外研究现状概述
• 1.2.1 人脸检测研究现状
• 1.2.2 人脸识别研究现状
• 1.2.3 视频监控系统的发展及现状
• 1.3 视频监控系统中人脸识别技术难点
• 1.4 本文研究的主要内容
• 2 人脸检测与预测跟踪
• 2.1 彩色空间介绍
• 2.2 基于规则的人脸定位方法
• 2.3 多人脸检测与预测算法
• 2.3.1 视频人脸检测与预测流程
• 2.3.2 运动区域提取
• 2.3.3 人脸区域的确定
• 2.4 人脸预测跟踪
• 2.4.1 人脸跟踪算法介绍
• 2.4.2 调节因子算法
• 2.5 人脸检测与预测跟踪实验结果及分析
• 2.5.1 实验结果
• 2.5.2 实验结果分析
• 2.6 本章小结
• 3 人脸图像特征提取
• 3.1 概述
• 3.2 人脸归一化
• 3.2.1 人眼定位
• 3.2.2 光照调整
• 3.2.3 倾斜校正
• 3.2.4 大小归一化
• 3.3 人脸图像特征提取
• 3.3.1 几何特征提取
• 3.3.2 代数特征提取
• 3.4 本章小结
• 4 人脸识别
• 4.1 人脸识别系统及评价指标
• 4.2 常用人脸库简介
• 4.3 人脸识别
• 4.3.1 特征向量描述
• 4.3.2 人脸识别结果
• 4.4 本章小结
• 5 工作总结与展望
• 5.1 工作总结
• 5.2 展望
• 致谢
• 参考文献
• 附录