基于視頻流的人臉檢測(cè)識(shí)別系統(tǒng)研究.pdf

1、在飛速發(fā)展的當(dāng)代社會(huì)中，安全防范問題越來(lái)越突出，海關(guān)、機(jī)場(chǎng)、車站等人員頻繁流動(dòng)場(chǎng)地對(duì)實(shí)時(shí)監(jiān)控識(shí)別系統(tǒng)的性能需求大大提高，因此，開展基于視頻流的人臉檢測(cè)識(shí)別研究將有著特殊的應(yīng)用價(jià)值和廣闊的發(fā)展前景。
　　人臉檢測(cè)識(shí)別技術(shù)是一種典型的生物識(shí)別技術(shù)，涉及人工智能、圖像處理等諸多科學(xué)理論，擁有廣泛的科研價(jià)值。
　　本文分別從視頻圖像處理、人臉檢測(cè)和特征提取及識(shí)別三個(gè)階段對(duì)其做了深入研究，實(shí)現(xiàn)了動(dòng)態(tài)視頻圖像的人臉檢測(cè)及識(shí)別。
　

2、　視頻圖像處理階段，采用灰度歸一化，對(duì)視頻 RG B圖像進(jìn)行灰度化處理；通過(guò)光照歸一化，削弱光線對(duì)圖像的不利影響；通過(guò)尺度歸一化，放縮用于檢測(cè)人臉的視頻圖像以及特征提取的人臉圖片；通過(guò)濾波，消除人臉圖片的噪聲信息。在人臉檢測(cè)階段，分析研究了AdaBoo st檢測(cè)算法，其中包括Haar特征提取、分類器訓(xùn)練及級(jí)聯(lián)等，而且合成了人臉分類器，并且優(yōu)化了算法的檢測(cè)速率和檢測(cè)率。在特征提取及識(shí)別階段，重點(diǎn)分析了L BP算法，針對(duì)傳統(tǒng)的LB P算子提

3、取的臉部紋理特征不夠完整的缺點(diǎn)，提出了雙編碼局部二值模式（Double Coding Local Binary Pattern，d-LBP）人臉識(shí)別算法；改進(jìn)的算法在傳統(tǒng) LBP算法的基礎(chǔ)上，充分考慮了局部鄰域內(nèi)各個(gè)像素點(diǎn)灰度值之間的均值和幅值關(guān)系，從而較完整的提取人臉紋理特征；然后結(jié)合 PCA維數(shù)約簡(jiǎn)分塊提取人臉紋理特征并統(tǒng)計(jì)直方圖，根據(jù)最近鄰原則進(jìn)行識(shí)別，并在 ORL人臉庫(kù)進(jìn)行對(duì)比實(shí)驗(yàn)，實(shí)驗(yàn)數(shù)據(jù)表明，d-LBP算法擁有較強(qiáng)的紋理描述