人耳作為生物特征的一種,具有普遍性、穩(wěn)定性和易采集性等特點(diǎn),使得人耳檢測(cè)與識(shí)別研究成為熱點(diǎn)。本課題研究人耳檢測(cè)的Android實(shí)現(xiàn)及人耳識(shí)別算法。研究主要內(nèi)容及成果如下:(1)本文采用基于Haar-like特征的AdaBoost算法進(jìn)行人耳檢測(cè),并分別訓(xùn)練實(shí)驗(yàn)室條件下與非受控條件下的人耳分類器。實(shí)驗(yàn)室條件下的正樣本使用USTB-1數(shù)據(jù)庫,非受控條件下的正樣本為AWE數(shù)據(jù)庫;負(fù)樣本均來自weizmann團(tuán)隊(duì)的圖像分割數(shù)據(jù)庫。實(shí)驗(yàn)結(jié)果表明所用方法及訓(xùn)練的分類器在兩種條件下均達(dá)到較高的檢測(cè)率,且檢測(cè)速率均在20ms以內(nèi)。(2)對(duì)人耳特征識(shí)別算法進(jìn)行研究,首次將HOG+PCA+SVM算法應(yīng)用到人耳識(shí)別上。該算法首先提取人耳的HOG特征,其次通過PCA算法進(jìn)行特征降維處理,最終通過SVM多分類器進(jìn)行識(shí)別分類。通過與傳統(tǒng)PCA+SVM算法的實(shí)驗(yàn)對(duì)比,本文所用方法的識(shí)別率優(yōu)于PCA+SVM算法,且最高識(shí)別率可以達(dá)到95%以上。(3)在Android平臺(tái)上實(shí)現(xiàn)人耳檢測(cè)。通過Java本地接口技術(shù)將人耳檢測(cè)算法移植到Android平臺(tái)上,使其能夠精準(zhǔn)檢測(cè)出人耳并進(jìn)行聚焦拍照。三種實(shí)驗(yàn)測(cè)試結(jié)果展示了Andro...

【文章頁數(shù)】：67 頁

【學(xué)位級(jí)別】：碩士

【部分圖文】：

圖1.1人耳外部結(jié)構(gòu)

圖1.1人耳外部結(jié)構(gòu)究現(xiàn)狀耳圖像采集與人耳識(shí)別的重要環(huán)節(jié)，如若在采檢等情況，后面的識(shí)別及其他操作就不能夠繼且大部分算法都是基于人耳的形態(tài)特征，例如發(fā)展以來，現(xiàn)有的人耳檢測(cè)方法大致可以分為模板匹配的檢測(cè)算法和基于機(jī)器學(xué)習(xí)模型的檢廓的人耳檢測(cè)算法：此類算法最早是在1996年模....

圖2.1彩色圖像光照補(bǔ)償

1222()imeanGyiTn，1222()()mimeanBiByiTn，據(jù)參考黑和參考白對(duì)圖像的R、G、B分量分別歸一化后的值normR、normG2.7,2.8,2.9：221meannormRmeanmean....

圖2.2灰度圖像光照補(bǔ)償

1222()imeanGyiTn，1222()()mimeanBiByiTn，據(jù)參考黑和參考白對(duì)圖像的R、G、B分量分別歸一化后的值normR、normG2.7,2.8,2.9：221meannormRmeanmean....

圖2.3中值濾波前后對(duì)比圖

來替換該像素點(diǎn)的灰度值，該方法適用于保留圖像邊緣信息。其在很大程度上解決[53]。驟如下：強(qiáng)度值大小排序。后像素集的中值作為中間點(diǎn)的新值。2.10：'001(,)2(,)(,)SxySfxySortfxy的鄰域集合（包含00(x,....

本文編號(hào)：4030442