基于几何匹配和分合算法的生物特征识别技术在公安视频监控中人脸识别的应用研究

《基于几何匹配和分合算法的生物特征识别技术在公安视频监控中人脸识别的应用研究》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、硕士学位论文中文摘要基于几何匹配和分合算法的生物特征识别技术在公安视频监控中人脸识别的应用研究摘要本文研究基于几何匹配和分合算法的生物特征识别技术，及其在公安视频监控中人脸识别的应用。本文首先对几何模型匹配方法进行了研究，提出了一套完整的人脸定位算法。在预处理部分，采用了特别的增强人脸特征与脸部皮肤之间对比度的方法及局域取阈值二值化方法，改进了预处理的效果。在图像分割部分，实现了经典的分合算法，并且使用成组算法改进了分合的效果。在人脸匹配部分，实现了基于眼睛和嘴的几何模型匹配，并对评价函数的构造进行了研究。在MicrosoftWind

2、owsXP平台上MicrosoftVisualC++开发环境下，采用上述算法编制了人脸定位的软件。实验证明，该软件对于尺寸足够大的清晰的正面单个／多个人脸情形能够正确检测定位。最后，本文探讨了几何匹配算法和分合算法的优缺点，及人脸识别在公安工作中的应用，提出了进一步工作的方向。关键词：人脸识别，几何匹配，分合算法，图像分割，成组算法硕士学位论文英文摘要ApplicationResearchofPoliceFaceRecognitionVideoMonitorSystemBasedonBiometricTechnologyofGeome

3、tricalMatchingandSplit—mergeABSTRACTThispaperstudiedbiometrictechnologyofgeometricalmatchingandsplit-merge，andtheapplicationsofitsinpolicefacerecognitionvideomonitorsystem．Thispaperstudiedamethodofgeometricalmatchingandpresentedacompletesetofalgorithmsforhumanfacelocati

4、ng．Inthesectionofpreprocessing，specialmethodstoenhancethecontrastbetweenfacefeaturesandfaceskinandalocalthresholdingmethodwereemployedSOthattheresultofthepreprocessingWasimproved．Inthesectionofimagesegmentation，theclassicalsplit-mergealgorithmWasapplied，andtheresultimpr

5、ovedbyagroupingalgorithm．Inthesectionoffacematching，analgorithmusingageometricmodelbasedoneyesandmouthwaspresented．DiscussionWasconductedontheconstructionofevaluationfunctions．UnderMicrosoftWindowsXPandMicrosoftVisualoH，afacelocatingsoftwareWasdevelopedusingthealgorithm

6、smentionedabove．Experimentsshowedthatthesoftwareiscapableofdetectandlocatefront—viewface(s)whichis(are)bigandclearenough．Intheend，thispaperprobedintotheadvantagesanddisadvantagesofthegeometricalmatchingandthesplit-mergealgorithms，andtheapplicationsoffacerecognitioninpol

7、iceworks，putforwardsuggestionstofutureworkKeywords：Facerecognition，geometricalmatching，split-merge，imagesegmentation，groupingII英文全称Biometrics英文注解(Alphabatic)FacedetectionFacerecognitionWavelettransformDiscreteCosineTransform(DCT)SupportVectorMachine(SVM)PrincipalCompone

8、ntAnalysis(SPCA)SymmetricalPrincipalComponentAnalysis(SPCA)KernelPrincipalComponentAnalysis(KPCA)Featureextrac