基于靜態(tài)人臉檢測與識別算法研究.pdf

1、隨著圖像處理技術(shù)以及計算機(jī)處理能力的飛速發(fā)展,人臉識別技術(shù)(FRT)廣泛應(yīng)用于智能視覺監(jiān)控系統(tǒng)、門禁和考勤系統(tǒng)等領(lǐng)域。人臉識別是基于生物特征的身份驗證中最自然直接的手段,與計算機(jī)視覺和人機(jī)感知交互有密切聯(lián)系。
　　 本文研究了基于靜態(tài)人臉圖像的檢測和識別原理,討論了具有較好準(zhǔn)確度、較高運(yùn)算速度、較強(qiáng)適應(yīng)性和魯棒性的算法,對人臉檢測與識別過程進(jìn)行相應(yīng)地改進(jìn),以增強(qiáng)人臉識別系統(tǒng)的特性,主要研究內(nèi)容如下:
　　 第一,針對光線

2、明暗、拍攝角度和曝光條件等因素影響時,圖像中會出現(xiàn)椒鹽噪聲、光照明暗不均和對比度不夠等缺點(diǎn),本文選取中值濾波法對輸入靜態(tài)圖像進(jìn)行預(yù)處理,并對訓(xùn)練樣本作尺度和灰度兩者歸一化,保存人臉特征文件,最后完成ORL人臉庫的建模工作。
　　 第二,在人臉檢測和定位階段,使用融合膚色提取的Adaboost算法對人臉特征進(jìn)行提取,并生成用于區(qū)分不同個體的統(tǒng)計判別特征。
　　 第三,在人臉識別和分類階段,分析了KPCA算法,并改進(jìn)LDA算

3、法,將KPCA與LDA進(jìn)行融合,給出KFD(KPCA+LDA)方法來完成識別過程,將檢測定位結(jié)果與人臉數(shù)據(jù)庫作比對,最終根據(jù)比對的相似值排序出人員列表。
　　 最后,系統(tǒng)以O(shè)penCV為平臺,在VC++6.0的編譯環(huán)境中對檢測和識別算法進(jìn)行仿真和測試,并分析了實(shí)驗現(xiàn)象和數(shù)據(jù)。通過實(shí)驗結(jié)果可知,文中所研究的兩種融合算法對于人臉檢測和識別分類器都進(jìn)行了優(yōu)化,使之對于姿態(tài)偏轉(zhuǎn)和表情變化具有較好的魯棒性,并達(dá)到了檢測和識別過程中精度與速