基于windows+mobile嵌入式系统的人脸识别技术研究及应用

《基于windows+mobile嵌入式系统的人脸识别技术研究及应用》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、基于WindowsMobile嵌入式系统的人脸识别技术研究及应用适应人脸识别系统的特点，为人脸识别系统提供可靠的数据支持成为一个必须解决的问题。问题4．什么样的系统架构才能够让智能设备上的人脸识别系统满足高鲁棒性及高实时性要求对于在嵌入式系统环境下开发鲁棒实用的人脸识别系统而言，研究系统设计层面的诸多工程技术问题同样至关重要的，例如环境支持的系统函数、系统是否支持多线程和系统的消息响应机制等。1．3．2本文主要贡献本文重点探讨了基于PPC硬件环境和WindowsMobile系统中实现鲁棒实用的人脸识别系统必须解决的几个关键问题，以及实现了一个基于WindowsMo

2、bile的人脸识别系统原型，提出了一种可行的WindowsMobile下人脸识别系统解决方案。本文的主要贡献总结如下：1、综述了人脸识别研究发展和流行开发库情况人脸识别方法的发展呈现了多样性，本文的综述人脸识别研究的发展过程，总结了人脸识别研究的几个发展阶段及对应的人脸识别算法，最后介绍了主要的公共人脸图像库及商业人脸识别开发库。2、探讨了WindowsMobile平台下人脸识别系统设计中的几个关键问题人脸图像如何有效获取、有限计算能力下人脸如何有效检测和识别，是在WindowsMobile平台下开发人脸识别系统的几个关键问题。本文采用的图像获取方法是利用Wind

3、owsMobile5API通用驱动架构从设备的摄像头获取人脸图像。入脸检测算法是基于FaceCellEDK图像开发库实现的。本文还深入讨论了WindowsMobile上建立人脸识别系统数据环境的方法。3、实现了一个原型系统并探讨了系统设计中鲁棒性、实用性方面的问题由于局限于PPC的硬件环境，人脸检测的有效性不但取决于检测算法的有效程度，还取决于系统采集的人脸图像的质量以及系统的工程鲁棒性。本文最后初步探讨了WindowsMobile环境下，系统鲁棒性的问题，并提出了一个可行的原型系统，并给出了原型系统的实验结果及分析。4绪论1．4论文的组织结构本论文各章的组织结构

4、如下：第一章为绪论部分。主要介绍了本论文的研究背景，介绍了基于智能设备嵌入式系统人脸识别的问题描述、研究意义和人脸识别的优缺点。最后给出了本文研究的主要问题及本文的主要贡献。第二章综述了人脸识别研究的历史和现状。叙述了人脸识别研究的发展过程，总结了现在流行的人脸识别算法和主要商业人脸识别系统及公共人脸图像库。第三章详细介绍了基于矩形特征的Adaboost人脸检测算法。第四章探讨了在WindowsMobile平台上开发人脸识别系统的几个关键问题。第五章探讨了WindowsMobile平台上人脸识别系统设计，并介绍了本文实现的一种原型系统的设计和实现情况。第六章在对全

5、文进行总结的基础上，讨论了本论文工作可能的后续扩展。5基于WindowsMobile嵌入式系统的人脸识别技术研究及应用第二章人脸识别研究综述人脸识别技术有非常多的应用，包括安全系统，身份鉴定，互联网通信和电脑娱乐。虽然在上世纪60年代自动人脸识别的研究就已经开始了，但是问题却始终没有得到完美解决【31。本章首先介绍了人脸识别算法的三个阶段发展历程并对每个阶段的研究特点以及代表性方法进行了介绍，在此基础上对人脸识别领域的主要技术方法进行了分类整理。此外，本文还总结了国内外公用人脸图像库基本情况和现有的主要人脸识别商业开发库、开源开发库的情况，概述了其主要特点和技术基

6、础。2．1人脸识别研究的历史现状和主要研究方法最早的人脸自动识别的研究论文见于1965年Chan＆Bledsoe在PanoramicResearchInc．发表的技术报告，到现在已有四十多年的历史【41。近年来，人脸识别的相关研究活动有了明显的增长，人脸识别方法呈现多样性发展，主要有基于特征脸(PCA)的人脸识别方法、神经网络的人脸识别方法、弹性匹配的人脸识别方法、线段Hausdorff距离(LttD)的人脸识别方法、支持向量机(SVM)的人脸识别方法、几何特征的人脸识别方法等等【5，61。人脸识别的研究历史按照研究内容、技术方法等方面的特点大体划分为三个时间阶段

7、：第一阶段(1964年“1990年)这一阶段人脸识别通常只是作为一个一般性的模式识别问题被研究，所采用的主要技术方案是基于人脸几何结构特征的方、法【41。这一时期人们对面部轮廓曲线的结构特征提取与分析方面进行了大量研究【4～。神经网络在这一阶段也被引入人脸识别问题中。这一阶段人脸识别刚开始起步，并未获得实际应用。第二阶段(1991年’1997年)第二阶段是人脸识别研究的高潮期，诞生了许多代表性的人脸识别算法。美国军方还组织了著名的FERET人脸识别算法测试【21，并出现了许多商业化人脸识别系统。这一阶段代表性的人脸识别算法有麻省理工学院媒体实验室的Turk和6第二

8、章人脸识别