基于视频监控的人脸识别的研究

论文摘要

视频人脸的识别作为计算机视觉和模式识别领域的一个重要课题,具有很大的研究价值和潜在的市场应用需求,近年来吸引了众多的学者和研究机构投身于该领域的研究之中。目前,该识别技术已取得了一定的发展,但由于人脸模式的复杂性,人脸识别问题还面临着许多的困难和挑战,要实现相对成熟的技术并广泛应用到实际中,还有很多工作需要去做。本文以视频监控下的人脸识别为主线,研究了识别工作中所涉及到的人脸检测、预处理、特征提取和分类识别等问题,并在研究的基础上设计实现了一个基于视频监控的人脸识别系统。在图像采集部分,借助微软公司的数字视频软件开发包VFW搭建了视频采集框架,通过摄像头来采集视频图像。在人脸检测部分,通过对常用人脸检测方法的研究,从检测率和实时性角度考虑,采用基于AdaBoost算法的级联式分类器训练和检测视频中的人脸。同时为了改善图像的质量,对检测出的人脸进行了去噪、几何归一化、灰度归一化等预处理。在人脸识别部分,深入研究了主成分分析方法,并将其应用于人脸识别中,利用该方法提取人脸图像的特征,并对人脸特征进行降维,构造特征脸子空间,然后通过最近邻分类器使用设计好的策略进行分类识别,识别出视频中人物的身份。最后采集相关数据对系统进行测试,实验结果表明,系统在人脸检测和识别方面都有较好的识别率,且能够满足实时系统的要求。

论文目录

• 摘要
• Abstract
• 第1章 绪论
• 1.1 课题研究的背景和意义
• 1.2 国内外研究现状
• 1.3 人脸识别的研究内容
• 1.4 常用人脸识别方法
• 1.5 人脸识别的应用
• 1.6 本文主要工作及内容安排
• 第2章 人脸检测
• 2.1 人脸检测方法
• 2.2 基于AdaBoost 算法的人脸检测
• 2.2.1 AdaBoost 算法的基本原理
• 2.2.2 类Haar 特征及其计算
• 2.2.3 分类器的训练
• 2.2.4 级联分类器
• 2.2.5 人脸检测过程
• 2.3 实验结果与分析
• 2.4 小结
• 第3章 人脸识别
• 3.1 人脸图像的预处理
• 3.1.1 去噪处理
• 3.1.2 图像的几何归一化
• 3.1.3 图像的灰度归一化
• 3.2 基于PCA 的人脸识别
• 3.2.1 K-L 变换原理
• 3.2.2 PCA 在人脸识别中的应用
• 3.2.3 特征选择
• 3.2.4 分类器的设计
• 3.2.5 PCA 识别算法流程
• 3.3 实验结果与分析
• 3.4 小结
• 第4章 基于视频监控的人脸识别系统
• 4.1 系统概述
• 4.1.1 系统简介
• 4.1.2 系统运行环境
• 4.1.3 系统功能
• 4.1.4 系统用到的关键技术
• 4.2 系统的软件流程及框架
• 4.3 系统实现
• 4.4 实验结果及分析
• 4.5 小结
• 第5章 结论与展望
• 5.1 本文工作总结
• 5.2 未来工作展望
• 参考文献
• 攻读硕士学位期间发表的学术论文和参加科研情况
• 致谢
• 详细摘要