欢迎来到天天文库
浏览记录
ID:32137432
大小:2.20 MB
页数:71页
时间:2019-01-31
《人脸识别技术的研究》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、哈尔滨工程大学硕士学位论文摘要生物特征识别是一项利用人类特有的生理或行为特征来进行身份识别的技术,它提供了一种高可靠性、高稳定性的身份鉴别途径。而人脸检测和识别是目前生物特征识别中最受人们关注的一个分支,是计算机视觉与模式识别领域非常活跃的一个研究方向。本文以构建一个视频图像人脸识别系统为目标对于人脸识别的问题进行了深入研究,主要工作及贡献如下:①人脸检测是人脸识别的第一步,文中的人脸检测采用对人脸和非人脸样本提取haar特征然后用adaboost算法训练分类器实现对人脸的检测。对检测出的人脸进行大小,
2、灰度归一化等预处理工作。提出将小波变换应用到图像处理中,提取人脸的低频图像用于识别,试验表明采用低频图像表示人脸不但降低了图像维数,而且有效地减少了光照,表情的影响,取得了更高的识别率。②对三种典型的人脸识别方法:主成分分析方法、Fisher脸方法、K/CA方法进行了详细的论述和实验分析。实验结果表明Fisher脸方法对PCA特征的二次提取,得到了比PCA方法更好一些的识别结果。核主成分分析是线性PCA的非线性扩展算法,它采用非线性的方法抽取主成分,描述了多个像素问的相关性,可以把在输入空间不可线性分类
3、的问题变换到特征空间实现线性分类,从而取得比前两者更好的效果。③提出了将支持向量机(SupportVectorMachine)用于人脸分类和识别,首先对人脸图像用KPCA方法提取特征,然后用支持向量机进行分类识别。该方法提取的特征“少而精”,计算量少,取得了很好的分类、识别效果。④构造了一个基于静态图片的人脸识别系统和一个在线视频人脸检测与识别系统。前者主要实现对静态人脸库的人脸识别。后者包含图像录入,人脸检测,人脸图像预处理,特征提取,分类识别五个功能模块,可以很好的对在线视频做人脸检测与识别,在智能
4、监控领域有实际的应用价值,可以用来做教研室的考勤系统。关键词:模式识别;人脸识别:图像处理;KPCA;支持向量机哈尔滨工程大学硕士学位论文AbstractThebiologicalcharacteristicrecognitionisakindofidentificationtechnologythatrisesthehuman’Sspecialphysiologyorbehaviorcharacteristic,itprovidedakindofhighreliability,goodstabilit
5、yapproachofidentityappreciation.FacedetectionandRecognitionisverypopularbranchofthebiologicalcharacteristicrecognition.Anditisalsoaveryactivesubjoctinthefieldsofthecomputervisionandthepatternrecognition.,Thispaperhasdonede印researchontheFaceRecognitionbys
6、tructureasystemofvideoimagefaceRecognition,themainjobandcontributionasfollows:First,ThefacedetectionisthefirststepofFaceRecognition,thispaperadoptthealgorithmabstractingthehaarcharacteristicfromhumanfaceandinhumanfaceandthenusingadaboosttrainingalgorithm
7、classifiertoachievethefacediction.Anddosomepretrealmentworkthatcarryingoutsize,gradationonthefacethatalreadybeendetected.TIlispaperalsosuggeststhatthewavelettransformcouldbeusedinimageprocessing;Pickuphumanface。Slowfrequencyimagewhichcallbeusedforrecogni
8、tion.Theexperimentresultshowthatadoptingthelowfrequencyimagepresentshumanfacenotonlydepresstheimagedimension,butalsodecreasetheinfluenceoflightandtexpression,obtainahigherrecognitionrate.Second,Thispaperalsodiddetaileddisc
此文档下载收益归作者所有