移動(dòng)環(huán)境下大數(shù)據(jù)人臉識(shí)別研究.pdf

1、經(jīng)過(guò)近五十年的研究和發(fā)展，人臉識(shí)別技術(shù)取得了長(zhǎng)足的發(fā)展，并應(yīng)用于公共安全、信息安全、電子商務(wù)、家庭娛樂(lè)等領(lǐng)域。但是在一些非理想條件下人臉識(shí)別還存在著許多問(wèn)題亟待解決。隨著移動(dòng)通信網(wǎng)絡(luò)和WIFI的普及，人們對(duì)智能手機(jī)的依賴(lài)性越來(lái)越強(qiáng)，移動(dòng)環(huán)境下人臉識(shí)別的應(yīng)用也受到越來(lái)越多的關(guān)注。因此，本文結(jié)合移動(dòng)環(huán)境下人臉識(shí)別的特點(diǎn)，重點(diǎn)對(duì)光照預(yù)處理和大規(guī)模人臉庫(kù)下的人臉識(shí)別這兩個(gè)關(guān)鍵技術(shù)問(wèn)題進(jìn)行了研究，同時(shí)提出了解決方案。并且在此基礎(chǔ)上設(shè)計(jì)和實(shí)現(xiàn)了移動(dòng)

2、環(huán)境下基于后臺(tái)的人臉識(shí)別系統(tǒng)。本文的主要工作和創(chuàng)新點(diǎn)如下：
　　一、對(duì)移動(dòng)環(huán)境下的光照預(yù)處理進(jìn)行了分析、研究，并提出了基于小波的光照預(yù)處理算法。該算法首先利用一級(jí)二維小波變換將原始圖像分解為低頻分量和高頻分量，然后使用光照預(yù)處理效果較好的自商圖（Self-Quotient Image，SQI）對(duì)低頻分量進(jìn)行處理以達(dá)到降低光照影響的目的，并保持高頻分量不變。最后對(duì)處理后的小波系數(shù)進(jìn)行逆變換得到重建圖像。本算法可以有效的降低光照變化對(duì)

3、人臉識(shí)別的影響，有助于后續(xù)的人臉識(shí)別過(guò)程，且計(jì)算量較小，適合移動(dòng)環(huán)境下人臉識(shí)別的應(yīng)用。
　　二、對(duì)大規(guī)模人臉庫(kù)下的人臉識(shí)別問(wèn)題進(jìn)行了研究，并針對(duì)人臉識(shí)別的特點(diǎn)，提出了一種基于聚類(lèi)的大規(guī)模人臉識(shí)別加速算法。該算法首先用k-means算法對(duì)人臉特征庫(kù)進(jìn)行預(yù)分類(lèi)，并將每一聚類(lèi)的數(shù)據(jù)構(gòu)建成kd樹(shù)。當(dāng)進(jìn)行人臉識(shí)別時(shí)，首先比較待識(shí)別人臉與每一聚類(lèi)均值的相似度，再在相似度最高的聚類(lèi)進(jìn)行基于kd樹(shù)的最近鄰人臉識(shí)別。實(shí)驗(yàn)證明在不犧牲識(shí)別率的前提下，