自動人臉檢測跟蹤識別系統(tǒng)研究與實現(xiàn).pdf

1、人臉識別因其在安全驗證、檔案管理、視頻會議、人機(jī)交互、公安罪犯識別等領(lǐng)域的巨大應(yīng)用前景而越來越成為當(dāng)前模式識別和人工智能領(lǐng)域的一個研究熱點。人臉識別系統(tǒng)以人的臉像作為識別身份的媒介，采用計算機(jī)視覺和圖像處理技術(shù)，抓住人臉的輪廓特征和局部細(xì)節(jié)特征，研究匹配和識別的方法，具體又包含人臉的檢測、跟蹤和識別三個環(huán)節(jié)。本文針對這三個環(huán)節(jié)分別進(jìn)行了研究和算法實現(xiàn)。主要工作如下：
　　 (1)人臉的檢測與特征定位是實現(xiàn)復(fù)雜條件下人臉識別的基本

2、前提，本文采用了兩種方法分別實現(xiàn)了人臉的檢測和定位。基于膚色模型的方法，首先根據(jù)膚色的聚類特性檢測人臉的2DPCA區(qū)域，在提取灰度和輪廓特征對眼睛、嘴巴等進(jìn)行特征定位，最后得到人臉的精確位置；基于AdaBoost的方法，通過訓(xùn)練分類器，實現(xiàn)人臉的檢測和定位。系統(tǒng)的測試結(jié)果表明：基于膚色模型的人臉檢測對正面人臉的檢測效果較好，而對多尺度檢測的能力較弱并且對光線的變化敏感；基于AdaBoost的人臉檢測算法具有更好的實時性和準(zhǔn)確性。

3、　　 (2)基于視頻的人臉跟蹤技術(shù)能為人臉識別系統(tǒng)提供更多的信息和更高的性能，本文將基于CamShift的目標(biāo)跟蹤算法應(yīng)用于人臉識別系統(tǒng)中；并采用了AdaBoost方法的人臉檢測算法實現(xiàn)跟蹤區(qū)域的初始化，克服了CamShift算法跟蹤窗口必須手動標(biāo)定的缺陷，實現(xiàn)了人臉的自動追蹤。
　　 (3)深入研究了基于PCA的人臉識別方法。并對應(yīng)用過程中特征值和距離準(zhǔn)則選擇問題進(jìn)行了對比試驗，實現(xiàn)了優(yōu)化的基于PCA算法的人臉識別。針對PC

4、A方法特征值提取計算量大的問題，本文實現(xiàn)了改進(jìn)的2DPCA算法，在Orl和yale人臉數(shù)據(jù)庫上的實驗結(jié)果表明其算法速度和識別率均優(yōu)于基于傳統(tǒng)PCA的人臉識別算法。
　　 (4)在算法研究的基礎(chǔ)上，本文采用了VC++和OpenCV開發(fā)了分立的人臉識別系統(tǒng)，其中包括基于膚色的人臉檢測子系統(tǒng)、基于AdaBoost算法的人臉檢測子系統(tǒng)，人臉跟蹤子系統(tǒng)和基于圖形的人臉識別子系統(tǒng)。
　　 課題研究中所實現(xiàn)的人臉檢測、跟蹤和識別算法程