【摘要】：在人工智能逐漸開始影響我們?nèi)粘Ｉ畹男驴萍紩r代中,人們對智慧生活的需求也導致了門禁系統(tǒng)不斷快速向高科技領(lǐng)域前進,由于人臉的面部特征每個人都不相同,從而使得將人臉應(yīng)用在門禁系統(tǒng)中成為當代社會探索智能門禁的新方向,雖然人臉識別技術(shù)有很多優(yōu)勢并且在門禁系統(tǒng)中有了不少的應(yīng)用,但是仍然存在很多不足的地方,這些不足是因為在采集面部圖像時可能會因為人臉帶有不同的表情或者是姿勢變化,包括佩戴眼鏡等飾物對人臉主要識別區(qū)域進行了遮擋,都會在一定程度上影響人臉識別的準確性。本文主要針對人臉識別領(lǐng)域的這幾個關(guān)鍵過程進行了鉆研和改進,其中包括采集人臉圖像后的檢測過程、面部特征的提取過程和對待檢測人臉進行身份認證的過程。為了解決以上人臉識別過程中存在的表情、姿態(tài)變化以及面部遮擋等情況而導致的識別率低下、識別時間較長等問題,本文將傳統(tǒng)的二維主成分分析法和線性判別式分析法進行了有效的結(jié)合,形成了一種可以有效提高算法識別時間的改進算法,在此基礎(chǔ)上本文還構(gòu)建了一個移植性好的可以在多平臺上運行的人臉識別系統(tǒng),以下是本文的主要研究內(nèi)容:(1)改進了經(jīng)典的人臉識別算法。為了解決經(jīng)典的人臉識別算法在檢測面部特征時會遇到的表情姿態(tài)變化以及面部遮擋等情況而導致的識別率低下、識別時間較長等問題,本文通過對傳統(tǒng)的人臉識別算法進行深入鉆研和學習,總結(jié)出各自在計算量以及識別速度上存在的優(yōu)缺點,并將三者的優(yōu)點有機結(jié)合起來形成一種對特征分類友好的人臉識別算法。該算法通過將特征空間中的多維模式轉(zhuǎn)換為一維,并且使同一類型的樣本盡量地集中在一起從而降低了計算量從而提高人臉識別的效率。(2)構(gòu)建了一個智能門禁系統(tǒng)。這個系統(tǒng)的工作原理是首先用攝像頭采集視頻中的圖像信息,然后對人臉提取有用的特征點進而確定人臉身份。通過實驗檢測證明,這個系統(tǒng)通過對人臉圖像的實時檢測,能夠有效識別待檢測人的身份,從人臉檢測到人臉識別需要的平均時間為62ms,即使是在有非人臉存在的復(fù)雜背景下,系統(tǒng)的人臉識別正確率也可以達到98%以上,不僅性能優(yōu)良還能存儲數(shù)量為100的人臉數(shù)據(jù)。(3)構(gòu)建的系統(tǒng)具有良好的平臺移植性。在平臺運行方面,本文的系統(tǒng)開發(fā)采用了Qt+OpenCV(Open Source Computer Vision Library)的框架來實現(xiàn),可以很好的進行平臺間移植,即一次編程實現(xiàn)可多次編譯,后期可將代碼交叉編譯并移植到嵌入式開發(fā)板中或者是Android平臺,形成一個完整的可應(yīng)用的系統(tǒng)。
【學位授予單位】：武漢輕工大學
【學位級別】：碩士
【學位授予年份】：2018
【分類號】：TU89;TP391.41
【圖文】：

5°的rotated特征

圖 2.3 分類器級聯(lián)結(jié)構(gòu)圖可以看到通過級聯(lián) AdaBoost 分類器能夠使用較少的特征和較簡單的分類器更快更好的實現(xiàn)分類，而且一旦檢測到某區(qū)域不是目標就可以直接停止后續(xù)檢測。由于在人臉檢測應(yīng)用中非人臉區(qū)域占大部分，這樣大部分檢測窗口都能夠很快停止，使分類速度得到很大的提高。人臉面部的分類器模型可以通過對強分類器訓練之后進行級聯(lián)獲得，所有圖像的數(shù)據(jù)信息都存儲在里面，分類器訓練好之后就可以進行人臉檢測了，在檢測過程中每一級分類器都會通過各自的方式對檢測到的人臉圖像進行標記。2.5 本章小結(jié)本章概述了 AdaBoost 算法的基本原理，詳細描述了哈爾特征的類型以及特征值的計算，接著討論了 AdaBoost 算法對分類器的訓練以及級聯(lián)過程以及通過強分類器的級聯(lián)可以實現(xiàn)人臉檢測功能。

【相似文獻】

相關(guān)期刊論文 前10條

1 ;精準人臉識別算法，“識”無遺漏——測評芊熠智能動態(tài)人臉識別終端[J];中國公共安全;2019年09期

2 崔益峰;李開宇;胡燕;徐貴力;王平;;聯(lián)合判別性低秩類字典與稀疏誤差字典學習的人臉識別[J];中國圖象圖形學報;2017年09期

3 趙清杰;齊惠;張雨;王浩;;基于局部正臉合成和兩階段表示的三階段人臉識別算法[J];北京理工大學學報;2017年06期

4 楊明中;楊平先;;基于低秩特征臉與協(xié)同表示的人臉識別算法[J];液晶與顯示;2017年08期

5 孫茗s

本文編號：2731876