近紅外人臉識(shí)別眼睛問題的研究.pdf

1、生物特征識(shí)別是目前大規(guī)模安防項(xiàng)目中炙手可熱的安防手段,其中人面部識(shí)別是在大規(guī)模安防中使用最廣、最有效的方法之一。利用近紅外技術(shù)獲取的圖像重點(diǎn)突出,但在實(shí)際應(yīng)用中,利用近紅外技術(shù)對(duì)人面部識(shí)別會(huì)遇到一些現(xiàn)實(shí)問題。眼鏡反射高光是其中之一,人面部識(shí)別的精確度和識(shí)別速度受到一定影響。
　　本文主要在近紅外人面部識(shí)別環(huán)境下,分析了眼鏡問題對(duì)近紅外人面部識(shí)別的影響,提出了解決方法并設(shè)計(jì)了實(shí)驗(yàn)使其得以實(shí)現(xiàn)。
　　本文首先對(duì)生物特征識(shí)別和近紅

2、外圖片的特點(diǎn)進(jìn)行了介紹,然后對(duì)目前比較熱點(diǎn)的面部識(shí)別問題進(jìn)行介紹。設(shè)計(jì)了輔助實(shí)驗(yàn)的手工標(biāo)定眼睛坐標(biāo)和利用該坐標(biāo)進(jìn)行人面部歸一化的軟件,利用這兩個(gè)軟件對(duì)實(shí)驗(yàn)樣本圖片進(jìn)行預(yù)處理。按著比例得到了大小一致的人面部樣本圖片。
　　在提升算法方面,采用了目前比較流行的Adapt Boosting,即Adaboost算法。為了減少訓(xùn)練時(shí)間和檢測(cè)時(shí)間,在分析了Cascade結(jié)構(gòu)后,根據(jù)本實(shí)驗(yàn)的特點(diǎn),提出了同時(shí)拋棄負(fù)樣本和正樣本的Cascade結(jié)構(gòu)

3、,該結(jié)構(gòu)增大了AdaBoost算法訓(xùn)練弱分類器時(shí)對(duì)前一層臨界樣本的權(quán)重值,使得每一層更加關(guān)注臨界樣本,并減少了尋找特征時(shí)的誤差計(jì)算量,達(dá)到了大大縮短訓(xùn)練時(shí)間的目的。
　　在使用特征方面,根據(jù)本實(shí)驗(yàn)的特點(diǎn),針對(duì)Haar特征的不足有選擇性地加入了Gabor實(shí)部特征和Gabor模特征作為備選特征。實(shí)驗(yàn)結(jié)果表明,該特征使用不僅提升了近紅外人面部圖像中眼鏡查找的識(shí)別率,且避免了同等作用的特征重復(fù)選取,從側(cè)面提升了備選特征的效率,降低了訓(xùn)練時(shí)