光照波動環(huán)境下人臉識別算法研究及其安卓平臺實現(xiàn).pdf

1、隨著近幾十年計算機技術(shù)的不斷發(fā)展，人臉識別技術(shù)取得了長足的進步。目前，己有產(chǎn)品往往是在近似于實驗室的環(huán)境下，完成識別操作。對于自然環(huán)境下的光照不均、表情變化等一系列不利因素帶來的影響通用性較差，而對于在自然光照等環(huán)境下良好工作的人臉識別系統(tǒng)的需求卻日益旺盛。
　　近年來，很多企業(yè)和科研單位都推出了自己的人臉識別系統(tǒng)。但這些系統(tǒng)多數(shù)是針對某種的特定環(huán)境而開發(fā)的，很大程度上缺乏通用性。其主要原因是這些系統(tǒng)中的人臉識別算法對光照變化和姿

2、態(tài)變化非常敏感。因此，對人臉檢測與識別技術(shù)進一步研究是非常有必要的。
　　1.一般而言，人臉識別系統(tǒng)包括圖像預處理、人臉檢測和人臉識別三個部分。預處理環(huán)節(jié)中去光照是一個很重要的組成部分。在諸多光照不均的補償算法當中，基于Retinex理論的諸多衍生算法受到的人們的關(guān)注。在此基礎(chǔ)上，本文提出一種改進的自適應多尺度Retinex算法。同時，對該算法的有效性進行驗證，充分證明本文提出的改進的自適應多尺度的Retinex算法的有效性和良好

3、的魯棒性。
　　2.研究了基于膚色模型和Adaboost算法的人臉檢測理論。采用一種多階段的人臉檢測方法。首先利用膚色模型進行人臉預檢測，找到圖像中可能出現(xiàn)人臉的大概區(qū)域，然后再利用Adaboost算法在預檢測區(qū)域進行精確的人臉檢測，這樣可以極大地提高Adaboost算法的效率。
　　3.研究了基本的LBP算子、LBP的相關(guān)模式以及基于分塊LBP的人臉識別算法，分析了分塊大小對人臉識別率的影響。針對LBP算子本身還不夠完善，

4、提取的特征不夠完整的問題，研究并實現(xiàn)了基于改進的LBP人臉識別算法。
　　4.基于理論聯(lián)系實際的思想，綜合上述的人臉識別知識，深入學習了Android系統(tǒng)架構(gòu)，搭建了Android應用層和本地層的開發(fā)環(huán)境，根據(jù)平臺特性設計了軟件開發(fā)方案，并將人臉識別算法庫移植到了Android平臺中，在Android系統(tǒng)手機中完成圖像采集、人臉檢測和人臉識別等功能。最后使用華為3C手機進行了實測，測試結(jié)果表明該系統(tǒng)有較高的正確率和實時性，實現(xiàn)了實

5、時的人臉識別功能，這也驗證了算法的正確性。實驗使用了自建人臉數(shù)據(jù)庫進行了測試，采用每個人在不同的環(huán)境和姿態(tài)下進行十次人臉識別的測試，識別率達到了83.5％，平均用時為93.3ms，這在視覺體驗上還是比較順暢的。
　　系統(tǒng)整體上達到了本課題研究的目的，但仍有許多值得改進的地方。如本文只考慮了光照變化對人臉識別的影響，而實際環(huán)境中，姿態(tài)變化也是影響人臉識別準確率的一大因素。還可以進一步考慮提高人臉圖像數(shù)據(jù)庫的安全性，防止第三方不法分子