人臉識(shí)別技術(shù)在駕校考勤系統(tǒng)中的應(yīng)用研究.pdf

1、隨著社會(huì)經(jīng)濟(jì)的快速發(fā)展以及生活水平的不斷提升，越來(lái)越多的人擁有私家車，駕校學(xué)車的學(xué)員也與日俱增。然而，在駕校的不斷壯大和發(fā)展過(guò)程中也出現(xiàn)了諸多問(wèn)題，如學(xué)員培訓(xùn)質(zhì)量得不到保證、學(xué)校辦學(xué)條件不規(guī)范等。由于沒(méi)有很好地監(jiān)管，很多駕培機(jī)構(gòu)采用快速學(xué)車的方式來(lái)獲取駕駛證，以至于未能熟練掌握駕駛技術(shù)，給我國(guó)交通安全帶來(lái)了嚴(yán)重的安全隱患。解決以上問(wèn)題最直接的方式是完善考勤系統(tǒng)，通過(guò)打考勤記錄培訓(xùn)時(shí)數(shù)、駕駛距離等關(guān)鍵信息。本文針對(duì)駕?，F(xiàn)有指紋考勤系統(tǒng)存在

2、的學(xué)時(shí)造假及部分指紋檢測(cè)失效等問(wèn)題，將人臉識(shí)別打考勤應(yīng)用到駕校實(shí)際考勤中。但是，當(dāng)前存在的人臉識(shí)別算法普遍存在識(shí)別率不高的問(wèn)題，因此基于駕校人臉識(shí)別考勤算法的核心問(wèn)題是如何提高識(shí)別率，使學(xué)員能夠更精準(zhǔn)地打考勤。本文針對(duì)學(xué)員在小樣本范圍下（8人左右）對(duì)人臉識(shí)別算法進(jìn)行改進(jìn)，提高識(shí)別率，從而滿足考勤要求。因此，本文在分析研究已有算法的基礎(chǔ)上，重點(diǎn)對(duì)光照預(yù)處理、人臉檢測(cè)、以及人臉特征提取算法加以研究。
　　第一，針對(duì)經(jīng)典Retinex等

3、其他光照處理方法的缺點(diǎn)，本文在單尺度Retinex算法的基礎(chǔ)上改進(jìn)，應(yīng)用HSV-自適應(yīng)Retinex算法對(duì)待檢測(cè)圖像進(jìn)行光照增強(qiáng)處理。通過(guò)實(shí)驗(yàn)驗(yàn)證改進(jìn)后算法的效果圖以及直方圖優(yōu)于傳統(tǒng)方法，證明了改進(jìn)算法能夠更好的恢復(fù)圖像中人臉的相關(guān)信息，并為后面的人臉檢測(cè)打下了基礎(chǔ)。
　　第二，在進(jìn)行光照預(yù)處理之后，針對(duì)經(jīng)典顏色空間及膚色模型方法的缺點(diǎn)，本文采用了一種橢圓高斯雙膚色模型與 Adaboost快速檢測(cè)算法相結(jié)合的人臉檢測(cè)算法。此算法選

4、擇在聚類性較好的YCgCr顏色空間對(duì)光照增強(qiáng)后的圖片進(jìn)行橢圓高斯雙膚色建模，粗檢測(cè)出人臉區(qū)域。然后再利用形態(tài)學(xué)方法去除孤立膚色點(diǎn)以縮減檢測(cè)范圍，并運(yùn)用Adaboost快速檢測(cè)算法實(shí)現(xiàn)人臉的精確定位，實(shí)現(xiàn)了雙膚色模型與 Adaboost快速檢測(cè)算法相結(jié)合，為后面人臉特征提取做好鋪墊。實(shí)驗(yàn)數(shù)據(jù)顯示，該方法在檢測(cè)率、檢測(cè)時(shí)間等方面有所提高。實(shí)驗(yàn)結(jié)果表明，改進(jìn)后的人臉檢測(cè)算法可實(shí)現(xiàn)光照不均以及不同年齡下的人臉檢測(cè)，能夠快速且較為準(zhǔn)確的檢測(cè)人臉。

5、
　　第三，在人臉部位確定出來(lái)之后，針對(duì)傳統(tǒng)人臉特征提取方法的缺點(diǎn)，本文采用線性判別分析法為具有128維的SIFT特征提取算法進(jìn)行降維，之后再采用K-means聚類將人臉的關(guān)鍵點(diǎn)聚集在五官(如雙眼、鼻子、嘴角)等特征較為明顯的部位，刪除掉那些不必要的點(diǎn)，再進(jìn)行相應(yīng)的匹配，最終實(shí)現(xiàn)人臉的識(shí)別。
　　最后，經(jīng)過(guò)一年多的研究和實(shí)踐，本文對(duì)以上算法進(jìn)行研究和改進(jìn)，在 Matlab及VS2010平臺(tái)上設(shè)計(jì)并實(shí)現(xiàn)了整個(gè)人臉識(shí)別考勤系統(tǒng)。