近年來(lái),隨著信息技術(shù)的飛速發(fā)展,人臉識(shí)別作為一種方便、安全的生物特征識(shí)別技術(shù)在門(mén)禁系統(tǒng)中得到了越來(lái)越多的應(yīng)用。但目前基于人臉識(shí)別的門(mén)禁系統(tǒng)常以PC機(jī)作為載體且需要建立服務(wù)器,成本較高,同時(shí)使用受到網(wǎng)絡(luò)的限制。因此,對(duì)基于嵌入式的人臉識(shí)別門(mén)禁系統(tǒng)的研究具有重要的意義。但其仍存在人臉檢測(cè)速度慢、較少樣本下識(shí)別率較低、無(wú)活體檢測(cè)功能等問(wèn)題。針對(duì)上述問(wèn)題,本文在樹(shù)莓派的嵌入式系統(tǒng)下,對(duì)人臉識(shí)別門(mén)禁系統(tǒng)進(jìn)行了深入的研究與優(yōu)化。首先,對(duì)Ada Boost人臉檢測(cè)算法進(jìn)行了研究,針對(duì)Haar-like特征描述方法計(jì)算量較大的缺點(diǎn),使用改進(jìn)了的LBPH特征描述方法對(duì)其進(jìn)行代替,并通過(guò)實(shí)驗(yàn)驗(yàn)證了其檢測(cè)時(shí)間約縮減了90%。其次,對(duì)基于PCA的人臉識(shí)別算法進(jìn)行了研究,并根據(jù)其損失了結(jié)構(gòu)信息這一缺點(diǎn),對(duì)合法人臉數(shù)據(jù)通過(guò)透視變換模擬抬頭、低頭、轉(zhuǎn)頭的姿態(tài)進(jìn)行人臉增強(qiáng),使其能夠在單人人臉樣本較少的情況下,識(shí)別率約提升了10%,并優(yōu)于其他改進(jìn)算法。然后,對(duì)人臉活體檢測(cè)算法進(jìn)行了研究。卷積神經(jīng)網(wǎng)絡(luò)可以根據(jù)數(shù)據(jù)樣本自動(dòng)提取真實(shí)人臉與偽造人臉的差異特征且準(zhǔn)確率較高,但卷積神經(jīng)網(wǎng)絡(luò)計(jì)算量大且參數(shù)量多,不適合在嵌入式設(shè)備中運(yùn)... 

【文章來(lái)源】：杭州電子科技大學(xué)浙江省

【文章頁(yè)數(shù)】：73 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

013-2018年中國(guó)人臉識(shí)別市場(chǎng)規(guī)模以往人臉識(shí)別技術(shù)常用PC機(jī)作為系統(tǒng)運(yùn)行平臺(tái)，這就會(huì)造成門(mén)禁系統(tǒng)成本較高、設(shè)備較笨重、體積較大、安裝較繁瑣等缺點(diǎn)

壞諶??ü?擲嗥鶻?信斜鶚欠裎?肆場(chǎng)Ｈ肆臣觳獾惱?個(gè)過(guò)程就是重復(fù)執(zhí)行上述的三個(gè)步驟，直到遍歷完整個(gè)圖像。若所有候選區(qū)域中都沒(méi)檢測(cè)到人臉則認(rèn)為該圖像中不包含人臉，若有多個(gè)觀察窗口檢測(cè)到人臉則選擇置信度最高的窗口作為檢測(cè)到的人臉的位置（對(duì)人臉識(shí)別門(mén)禁系統(tǒng)而言，每次只對(duì)單人進(jìn)行識(shí)別）。2.1.1選定人臉候選區(qū)域由于人臉出現(xiàn)在圖像中的位置是未知的，因此需對(duì)圖像中的每一塊區(qū)域判斷是否為人臉。在圖像中選定候選區(qū)域通常使用滑動(dòng)窗口法，即讓區(qū)域窗口在圖像中從左向右、自上而下的滑動(dòng)選取圖像的每一塊區(qū)域，如圖2.1所示。圖2.1區(qū)域窗口滑動(dòng)過(guò)程但這樣利用區(qū)域窗口遍歷圖像只能檢測(cè)到固定大小的人臉，而通常圖像中出現(xiàn)的人臉大小也是未知的，所以要檢測(cè)不同大小的人臉通常有兩種方法：第一種方法，保持窗口大小不變，將圖像按照一定比例縮小，然后在縮小后的圖像中選取候選區(qū)域，如圖2.2所示。第二種方法，保持圖像大小不變，將區(qū)域窗口按照一定比例放大，然后利用放大后的窗口在圖像中滑動(dòng)選取候選區(qū)域，如圖2.3所示。第一種方法的優(yōu)點(diǎn)是計(jì)算量較小，但是圖像縮小會(huì)造

浙江省碩士學(xué)位論文6成像素?fù)p失，從而使得檢測(cè)精度降低。第二種方法，由于要放大區(qū)域窗口，會(huì)使得計(jì)算量較大，但是圖像不會(huì)損失像素，因此檢測(cè)精度較高。另一方面，整體的計(jì)算量還與候選區(qū)域的多少有關(guān)，當(dāng)窗口滑動(dòng)時(shí)縱向和橫向的步長(zhǎng)較大，則候選區(qū)域較少，計(jì)算量較少，但是檢測(cè)人臉的位置可能不會(huì)很準(zhǔn)確，還可能出現(xiàn)漏檢的情況；反之，當(dāng)窗口滑動(dòng)時(shí)縱向和橫向的步長(zhǎng)較小，則候選區(qū)域較多，計(jì)算量較大，但是檢測(cè)人臉的位置較為準(zhǔn)確。窗口滑動(dòng)的步長(zhǎng)可以由使用場(chǎng)景和設(shè)備的計(jì)算能力來(lái)決定。圖2.2固定滑動(dòng)窗口大小選取候選區(qū)域圖2.3滑動(dòng)窗口縮放選取候選區(qū)域2.1.2人臉檢測(cè)常用算法選定候選區(qū)域后，需在此區(qū)域圖像中提取特征并通過(guò)分類(lèi)器判別，實(shí)現(xiàn)這一過(guò)程的人臉檢測(cè)算法有很多種，包括基于膚色的人臉檢測(cè)算法、基于模板匹配的人臉檢測(cè)算法和基于統(tǒng)計(jì)模型的人臉檢測(cè)算法。下面對(duì)這幾種人臉檢測(cè)算法做簡(jiǎn)要介紹：（1）基于膚色的人臉檢測(cè)算法該方法的原理是基于人臉膚色與背景顏色有較大差別的特點(diǎn)。主要流程為先選擇色彩空間，由于在YCbCr色彩空間中，人臉膚色和非膚色重合較少，相對(duì)獨(dú)立，能較好的區(qū)分人臉膚色和背景顏色，因此將RGB圖像映射至YCbCr色彩空間中[12]。然后建立以簡(jiǎn)單色度空間、高斯等的膚色模型。最后通過(guò)膚色區(qū)域分割和人臉區(qū)域篩選得到人臉圖像。但當(dāng)膚色與背景顏色相近時(shí)，該方法檢測(cè)效果較差。（2）基于模板匹配的人臉檢測(cè)算法該方法通過(guò)對(duì)多個(gè)人臉樣本特征提取，知識(shí)總結(jié)得到一個(gè)標(biāo)準(zhǔn)人臉模板，再用圖像與此

【參考文獻(xiàn)】：
期刊論文
[1]基于改進(jìn)透視變換的結(jié)構(gòu)光圖像校正[J]. 王穎,李鋒.  計(jì)算機(jī)與數(shù)字工程. 2019(05)
[2]指紋識(shí)別技術(shù)發(fā)展現(xiàn)狀[J]. 顧陳磊,劉宇航,聶澤東,李景振,王磊.  中國(guó)生物醫(yī)學(xué)工程學(xué)報(bào). 2017(04)
[3]邊緣計(jì)算:萬(wàn)物互聯(lián)時(shí)代新型計(jì)算模型[J]. 施巍松,孫輝,曹杰,張權(quán),劉偉.  計(jì)算機(jī)研究與發(fā)展. 2017(05)
[4]卷積神經(jīng)網(wǎng)絡(luò)研究綜述[J]. 周飛燕,金林鵬,董軍.  計(jì)算機(jī)學(xué)報(bào). 2017(06)
[5]基于稀疏保持拉普拉斯判別分析的特征提取算法[J]. 任迎春,王志成,趙衛(wèi)東,彭磊.  同濟(jì)大學(xué)學(xué)報(bào)(自然科學(xué)版). 2016(04)
[6]基于交互式隨機(jī)動(dòng)作的人臉活體檢測(cè)[J]. 黃葉玨.  軟件導(dǎo)刊. 2015(12)
[7]基于全局和局部特征集成的人臉識(shí)別[J]. 蘇煜,山世光,陳熙霖,高文.  軟件學(xué)報(bào). 2010(08)
[8]虹膜識(shí)別綜述[J]. 田啟川,劉正光.  計(jì)算機(jī)應(yīng)用研究. 2008(05)

碩士論文
[1]基于互聯(lián)網(wǎng)的手機(jī)控制門(mén)禁系統(tǒng)的研究[D]. 完?yáng)|.哈爾濱理工大學(xué) 2018
[2]基于ARM9的嵌入式人臉識(shí)別系統(tǒng)設(shè)計(jì)[D]. 桂斌.安徽理工大學(xué) 2017
[3]基于人臉識(shí)別技術(shù)的教室考勤系統(tǒng)的設(shè)計(jì)和實(shí)現(xiàn)[D]. 劉洋.西南交通大學(xué) 2016
[4]基于嵌入式的人臉識(shí)別系統(tǒng)設(shè)計(jì)與實(shí)現(xiàn)[D]. 劉光超.西安科技大學(xué) 2016
[5]基于人工神經(jīng)網(wǎng)絡(luò)的人臉識(shí)別技術(shù)研究及應(yīng)用[D]. 王垚.西安石油大學(xué) 2015
[6]基于ARM的人臉識(shí)別在智能門(mén)禁中的應(yīng)用研究[D]. 劉京京.黑龍江大學(xué) 2015
[7]基于特征融合的人臉識(shí)別算法研究[D]. 張瑜.華中科技大學(xué) 2011



本文編號(hào)：3546543