自然教室中基于视频流的人脸识别系统的研究与实现

论文摘要

进入二十一世纪以来,随着计算机软硬件技术的不断进步以及互联网革命的不断深化,人们对公共安全、信息安全以及个人隐私保护的要求也越来越高。人脸识别作为一种生物特征识别技术的典型代表越来越受到研究者的关注与重视。人脸识别是计算机视觉和模式识别研究领域的热点方面,在上述领域具有巨大的潜在应用前景。本文主要围绕教室场景中的人脸识别问题,借助上海交通大学E-Learning Lab现有设备与技术,通过对人脸识别算法的研究与改进,设计并实现了在教室通道场景下基于视频流的学生身份标定系统。该系统能有效提高智能教室中学生与教学设备的互动,一定程度上改善了老师与学生之间的互动,有助于教学活动更好的展开。本文通过对视频流中人脸识别技术的分析,设计并实现一个基于实时视频流的教室通道人脸识别系统。该系统通过Adboost人脸检测、LRPCA特征提取、马氏距离人脸相似度计算实现人脸识别,在人脸检测前还加入了肤色检测、去光照等图像预处理,在特征提取中通过图像归一化处理,斜脸校正等一系列处理来提高系统识别效果。并加入自学习机制,增强了系统的鲁棒性以及在实际使用中的可行性。并通过对LRPCA算法的模板划分策略的研究与优化,最终提出了一个完整的基于视频流的人脸识别系统设计方案。另外本系统人脸识别算法模块采用独立模块设计,使得系统能够便捷地使用新的算法进行对比实验。

论文目录

• 摘要
• ABSTRACT
• 第一章 绪论
• 1.1 研究背景
• 1.2 研究内容
• 1.3 研究现状
• 1.3.1 特征脸识别
• 1.3.2 弹性模板匹配（EBGM）
• 1.3.3 神经网络
• 1.3.4 线段距离（LHD）
• 1.3.5 支持向量机（SVM）
• 1.3.6 隐马尔科夫模型（HMM）
• 1.4 研究难点
• 1.5 本文工作与内容
• 第二章 教室中的人脸识别
• 2.1 人脸识别在教室场景中的应用
• 2.2 人脸检测
• 2.2.1 基于Adaboost 方法的多层分类器架构
• 2.2.2 基于Ababoost 分类器选择的人脸检测
• 2.3 人脸特征提取与识别
• 2.3.1 基于LRPCA 的特征脸表述
• 2.3.2 基于马氏距离的人脸相似度计算
• 2.4 人脸识别预处理技术
• 2.4.1 去光照处理
• 2.4.2 通过人脸检测实现斜脸修正
• 第三章 人脸识别系统设计
• 3.1 系统架构
• 3.2 系统模块
• 3.2.1 监控ＧＵＩ模块
• 3.2.2 摄像头控制模块
• 3.2.3 人脸库样本库管理模块
• 3.2.4 人脸检测、预处理模块
• 3.2.5 人眼检测模块
• 3.2.6 人脸识别模块
• 3.3 数据处理流程
• 3.3.1 人脸库样本数据处理
• 3.3.2 实时采集人脸数据处理
• 第四章 系统运行结果及性能改进
• 4.1 系统运行结果及相关参数说明
• 4.2 系统改进
• 4.2.1 引入肤色模型对检测准确性改进
• 4.2.2 引入实时训练实现系统自学习
• 4.2.3 一定时间域内的识别结果统计
• 第五章 总结与展望
• 参考文献
• 附录
• 致谢
• 攻读硕士学位期间已发表或录用的论文