基于Adaboost算法的人臉檢測與識(shí)別技術(shù)研究.pdf

1、現(xiàn)代社會(huì)的飛速發(fā)展對身份鑒別的快速性、準(zhǔn)確性及安全性等方面都提出了更為嚴(yán)苛的要求，而生物特征識(shí)別技術(shù)的快速發(fā)展使得這一切成為了可能。其中，人臉檢測與識(shí)別技術(shù)發(fā)展最為迅速，相對而言，這種方法更加直接、友好，也更便于在生產(chǎn)實(shí)踐中得到廣泛應(yīng)用。如今，身份識(shí)別系統(tǒng)在諸多領(lǐng)域發(fā)揮著重要作用，其市場前景也十分廣闊，研究更為快速有效的人臉檢測與識(shí)別系統(tǒng)，對社會(huì)發(fā)展以及公共安全、國家安全等方面都有著十分重要的意義。
　　本文在總結(jié)和分析了國內(nèi)外相

2、關(guān)研究成果的基礎(chǔ)之上，對人臉檢測與識(shí)別算法進(jìn)行了深入研究和改進(jìn)，使人臉檢測與識(shí)別系統(tǒng)的準(zhǔn)確率和速度都有了相應(yīng)提升。本文的研究重點(diǎn)主要分為以下三個(gè)部分:
　　(1)在檢測與識(shí)別之前，為了獲得較好的圖像質(zhì)量，先對圖像進(jìn)行預(yù)處理，本文主要用到了圖像增強(qiáng)技術(shù)，對待檢測的圖像采用直方圖均衡化的方法進(jìn)行處理，增強(qiáng)對比度、突出局部細(xì)節(jié)，利于后續(xù)檢測。對待識(shí)別的人臉圖像采用光照補(bǔ)償?shù)姆椒ㄟM(jìn)行處理，使過暗或過亮的人臉圖像質(zhì)量得到明顯改善，利于后續(xù)識(shí)

3、別。此外，還對圖像處理中常用到的圖像分割技術(shù)做了介紹，同時(shí)，對本文系統(tǒng)開發(fā)所采用的OpenCV技術(shù)做了詳盡闡述。
　　(2)研究了基于靜態(tài)和視頻圖像的Adaboost人臉檢測算法，主要包括Haar特征的選取和特征值的計(jì)算，分類器的設(shè)計(jì)與構(gòu)造。在算法實(shí)現(xiàn)的過程中，更新了樣本的概率規(guī)則，使得訓(xùn)練更加注重錯(cuò)誤樣本。為了使檢測效果更好，提出了基于膚色分割的Adaboost人臉檢測改進(jìn)算法，首先將圖像轉(zhuǎn)換到Y(jié)CbCr顏色空間，利用膚色在此空

4、間中的良好聚類性分割出膚色區(qū)域，再經(jīng)過形態(tài)學(xué)和平滑處理，得到膚色區(qū)域，最后再采用Adaboost算法進(jìn)行人臉檢測。經(jīng)驗(yàn)證，改進(jìn)的算法收到了良好的效果，提升了檢測率和檢測速度，同時(shí)有效地降低了誤檢率。
　　(3)人臉識(shí)別階段，研究了基于Fisherfaces和LBP的人臉識(shí)別方法。Fisherfaces方法由主成分分析(PCA)和線性鑒別分析(LDA)法構(gòu)成，從圖像的整體角度出發(fā)進(jìn)行識(shí)別。局部二值模式(LBP)算法則是從圖像的局部角