基于视频的实时人脸识别的研究与实践

《基于视频的实时人脸识别的研究与实践》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、硕I{二学位论文摘要摘要生物特征识别技术在近几十年中得到了飞速发展，具有极其广阔的应用前景，生物特征识别技术比传统的身份鉴定方法更具安全、保密和方便性，具有不易遗忘、防伪性能好、不易伪造或被盗、随身“携带”和随时随地可用等优点，尤其是指纹识别、掌纹识别等已经渗透到许多行业。然而这些方法有一个共同的缺陷：必须要有人为的接触，否则很难进行识别。与其他识别方法相比，人脸识别具有直接，友好，方便的特点，并且易于被用户所接受，因此，这一技术目前得到了广泛研究应用。本文旨在针对目前人脸识别技术研究的现状，介绍了几种人脸检测、人脸特征提取及人脸识别算

2、法，比较了它们的各种性能，尤其是实时性，提出了一种基于视频的实时人脸识别解决方案：Adaboost+Haar+Cascade算法用于实时检测复杂背景下的人脸，改进的主成分分析(2D)2PCA用于人脸特征的提取，BP神经网络用于实时人脸分类识别。在此基础上实现了一个实时人脸识别系统，试验证明该系统具有良好的稳定性，实时性及较高的人脸识别率。论文主要研究工作有：(，1)矛lJ用DirectShow技术编写视频捕捉模块，通过摄像头捕捉视频帧图像，帧率为60帧左右、达到实时显示效果。(2)对检测到的人脸图像做消除光照、归一化等预处理，以方便特征

3、提取。《，3)i)11练了一个人脸分类器，实现了一个基于Adaboost分类器的人脸检测系统，可进行复杂背景下的人脸检测。(41)实现了一种改进的主成分分析对人脸特征的提取，并通过人脸重构验证了该改进的算法的优越性，使人脸特征的表达更加方便有效。为后面BP神经网络识别人脸提供了可能性。(5)BP神经网络识别人脸。初步构建了一个实时人脸识别平台。AdaBoost+(2D)2PCA+BP神经网络的实时人脸识别方案不但有算法上的先进性，而且易于实现，系统全部在VC十+6．O平台上实现，具有较高的稳定性、实时性及实用价值。关键词实时视频，生物特

4、征，人脸识别，Adaboost，主成分分析，BP神经网络硕士学位论文ABSTRACTABSTRACTBiometricsidentificationtechnologyhasleaptforwardinrecentyears．Itsprospectofapplicationisveryextensive．Comparedwiththetraditionalmethodofidentification．biometricsidentificationtechnologyiSsafer,moresecretiveandconvenient．

5、ItiShardtobeforgotandstolen．italsohastheadvantagesofgoodanti—counterfeitingpropertyandconvenienceoftakingalongandbeusedanytimeandanywhere．especiallyfingerprinting，palmprintrecognitionhasimpregnatedintomanyindustry．Buttheremethodshavecommonshortness，itmusthavecontrivedcon

6、tact，otherwiseit'shardtoidentify．Contrasttoothermethods，faceidentificmioniSdirect，friendlyandconvenient．andit'seasytobeacceptedbytheuser．So，thistechnologyhasbeenstudiedandappliedabroadrecently．Thispaperaimsatthestatusoffaceidentificationtechnology,analyzingkindsoffacedet

7、ect，facefeatureextractionandfaceidentificationarithmeticandcomparingtheircapabilities(especiallytherealtime)，andthenputtingforwardareal—timevideobasedfacerecognitionmethod：Adaboost+Haar}Cascadwasusedtodetectthefaceincomplexbackground，improvedprinciplecomponentanalysiswas

8、usedtoextractthefacefeatureandBPneuralnetworkwasusedtoreal．timefaceclassificationandrecognition．Ontheba