本文選題：人臉識(shí)別 + 人臉檢測(cè)�。� 參考：《河南理工大學(xué)》2016年碩士論文

【摘要】：科學(xué)技術(shù)的不斷發(fā)展,帶動(dòng)著經(jīng)濟(jì)的快速發(fā)展,同時(shí)對(duì)各種公共場(chǎng)合身份識(shí)別和認(rèn)定提出了新的更高的要求。而傳統(tǒng)的通過(guò)人身標(biāo)識(shí)物品和人身標(biāo)識(shí)知識(shí)方式對(duì)身份辨別的方法已不能滿(mǎn)足社會(huì)的需要。隨之出現(xiàn)的生物特征識(shí)別技術(shù),因其具有不易丟失、無(wú)法復(fù)制及安全性更高等優(yōu)點(diǎn),在人臉圖像自動(dòng)識(shí)別領(lǐng)域上得到廣泛應(yīng)用。人臉識(shí)別系統(tǒng)采用計(jì)算機(jī)對(duì)應(yīng)用場(chǎng)景中攝像機(jī)所采集的圖像進(jìn)行人臉檢測(cè)、分析、識(shí)別,從而確定圖像中人的身份,實(shí)現(xiàn)辨別人臉的目的。此識(shí)別方法可為需要進(jìn)行身份驗(yàn)證或跟蹤的場(chǎng)合提供更加安全、快捷且有效驗(yàn)證方式。由此各種人臉識(shí)別算法被提出,其中由David Lowe所提出的SIFT(Scale Invariant Feature Transform)算法,因其提取的特征向量具有尺度不變旋轉(zhuǎn)特性、魯棒性強(qiáng)等優(yōu)點(diǎn),不斷被應(yīng)用于人臉識(shí)別研究領(lǐng)域。本文將針對(duì)基于YCbCr空間膚色模型、基于SIFT的人臉圖像特征提取以及特征匹配開(kāi)展深入研究,主要工作如下:1.針對(duì)前期的人臉檢測(cè)和定位,提出一種基于YCbCr空間改進(jìn)的膚色模型人臉檢測(cè)算法。首先,建立膚色模型進(jìn)行人臉膚色的提取,進(jìn)而通過(guò)面積比以及人臉長(zhǎng)寬比篩選出圖像中的人臉;其次,為去除可能存在的耳部區(qū)域以及頸部區(qū)域干擾,總結(jié)一種耳根定位算法和一種基于人臉圖像中心線像素灰度循環(huán)掃描方法。實(shí)驗(yàn)結(jié)果證明了此方法的準(zhǔn)確性和有效性。2.針對(duì)SIFT算法所提取的特征點(diǎn)數(shù)量多,匹配難度大等問(wèn)題,本文提出一種改進(jìn)的SIFT算法來(lái)對(duì)人臉圖像進(jìn)行特征匹配:通過(guò)前期的人臉檢測(cè)算法去除人臉圖像中無(wú)關(guān)干擾,從而避免無(wú)關(guān)特征點(diǎn)的提取與匹配,保證特征點(diǎn)的有效性和準(zhǔn)確性;3.在特征向量匹配階段對(duì)特征向量進(jìn)行分區(qū)匹配,然后用最小歐氏距離作為判斷特征點(diǎn)是否匹配的準(zhǔn)則,最后以最小歐氏距離與次最小歐氏距離之比作為有效匹配的效驗(yàn),進(jìn)而提高匹配效率和準(zhǔn)確度。
[Abstract]:The continuous development of science and technology drives the rapid development of economy, and puts forward new and higher requirements for the identification and identification of various public places at the same time.However, the traditional method of identity identification by means of personal identification objects and personal identification knowledge can not meet the needs of society.The following biometric recognition technology has been widely used in the field of face image automatic recognition because of its advantages such as easy to lose, unable to copy and high security.The face recognition system uses the computer to detect, analyze and recognize the image collected by the camera in the application scene, so as to determine the identity of the person in the image and realize the purpose of face recognition.This method can provide a more secure, fast and effective authentication method for situations where authentication or tracing is needed.The SIFT(Scale Invariant Feature transform algorithm proposed by David Lowe has been applied to face recognition for its advantages of scale invariant rotation and strong robustness.In this paper, the feature extraction and feature matching of facial images based on YCbCr spatial skin model and SIFT are studied. The main work is as follows: 1.An improved skin color model face detection algorithm based on YCbCr space is proposed for face detection and localization.Firstly, the skin color model is established to extract the skin color of the face, and then the human face in the image is screened by the area ratio and the aspect ratio of the face. Secondly, in order to remove the possible interference of the ear region and the neck region,This paper summarizes an ear root location algorithm and a gray level cyclic scanning method based on centreline pixels of face image.The experimental results show that the method is accurate and effective.In order to solve the problems such as the large number of feature points extracted by SIFT algorithm and the difficulty of matching, this paper proposes an improved SIFT algorithm to match the features of face image. The previous face detection algorithm is used to remove the irrelevant interference in the face image.Thus avoiding the extraction and matching of independent feature points and ensuring the validity and accuracy of feature points.In the phase of feature vector matching, the feature vector is partitioned, then the minimum Euclidean distance is used as the criterion to judge whether the feature point is matched or not, and finally the ratio of the minimum Euclidean distance to the sub-minimum Euclidean distance is taken as the effective matching effect.Then the matching efficiency and accuracy are improved.
【學(xué)位授予單位】：河南理工大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2016
【分類(lèi)號(hào)】：TP391.41

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 賈熹濱;石勤;尹寶才;;由粗到細(xì)的漸進(jìn)式特征點(diǎn)定位算法[J];北京工業(yè)大學(xué)學(xué)報(bào);2006年05期

2 鄭林;劉泉;王林濤;;一種基于特征點(diǎn)的跟蹤算法[J];武漢理工大學(xué)學(xué)報(bào)(交通科學(xué)與工程版);2006年03期

3 江詩(shī)鋒;何振峰;;基于特征點(diǎn)的行車(chē)數(shù)據(jù)序列對(duì)齊[J];福州大學(xué)學(xué)報(bào)(自然科學(xué)版);2010年02期

4 周全峗;史澤林;;輻射模糊圖像的特征點(diǎn)穩(wěn)定性分析[J];光電工程;2013年06期

5 魏立梅,張永瑞,謝維信,程相君;人臉識(shí)別中基準(zhǔn)點(diǎn)的選取與特征點(diǎn)定位[J];西安電子科技大學(xué)學(xué)報(bào);1998年01期

6 許承慧;劉桂華;梁峰;;非特征點(diǎn)雙目測(cè)距技術(shù)研究[J];微型機(jī)與應(yīng)用;2013年22期

7 潘翔;章國(guó)棟;陳啟華;;三維可變形物體的特征點(diǎn)層次提取[J];計(jì)算機(jī)科學(xué);2014年04期

8 陶剛,盧昀,李吉桂;細(xì)化指紋圖中偽特征點(diǎn)的一體化去除算法[J];現(xiàn)代計(jì)算機(jī)(專(zhuān)業(yè)版);2002年10期

9 仲啟媛,譚立龍;一種確定運(yùn)動(dòng)目標(biāo)特征點(diǎn)的算法[J];計(jì)算機(jī)工程;2003年10期

10 胡迎春,張?jiān)龇?梁數(shù);人臉圖像嘴巴特征點(diǎn)自動(dòng)提取系統(tǒng)[J];廣西工學(xué)院學(xué)報(bào);2003年02期

相關(guān)會(huì)議論文 前10條

1 汪力;葉樺;夏良正;;利用特征點(diǎn)定位嘴巴[A];第二十六屆中國(guó)控制會(huì)議論文集[C];2007年

2 付洪川;王劍;萬(wàn)嬋;趙建英;付凱;;圖像特征點(diǎn)匹配算法的研究與改進(jìn)[A];2009中國(guó)控制與決策會(huì)議論文集（1）[C];2009年

3 溫文雅;陳建華;;一種基于特征點(diǎn)的圖像匹配算法[A];2009系統(tǒng)仿真技術(shù)及其應(yīng)用學(xué)術(shù)會(huì)議論文集[C];2009年

4 任明武;胡明昊;楊靜宇;;一種快速實(shí)用的特征點(diǎn)匹配算法[A];全面建設(shè)小康社會(huì)：中國(guó)科技工作者的歷史責(zé)任——中國(guó)科協(xié)2003年學(xué)術(shù)年會(huì)論文集（上）[C];2003年

5 許競(jìng);姜波;;攝像機(jī)運(yùn)動(dòng)下特征點(diǎn)追蹤方法研究[A];2011下一代自動(dòng)測(cè)試系統(tǒng)學(xué)術(shù)研討會(huì)論文集[C];2011年

6 張?zhí)?王希常;蘇志榮;;基于特征點(diǎn)和輪廓檢測(cè)的粘連數(shù)字分割[A];圖像圖形技術(shù)與應(yīng)用進(jìn)展——第三屆圖像圖形技術(shù)與應(yīng)用學(xué)術(shù)會(huì)議論文集[C];2008年

7 杜鵬飛;彭代強(qiáng);林幼權(quán);;基于二乘向量機(jī)的特征點(diǎn)配準(zhǔn)算法[A];第十四屆全國(guó)信號(hào)處理學(xué)術(shù)年會(huì)(CCSP-2009)論文集[C];2009年

8 舒志龍;阮秋琦;;基于KLT特征點(diǎn)跟蹤的圖象拼接[A];中國(guó)體視學(xué)學(xué)會(huì)圖像分析專(zhuān)業(yè)、中國(guó)體視學(xué)學(xué)會(huì)仿真與虛擬現(xiàn)實(shí)專(zhuān)業(yè)、中國(guó)航空學(xué)會(huì)信號(hào)與信息處理專(zhuān)業(yè)第一屆聯(lián)合學(xué)術(shù)會(huì)議論文集[C];2000年

9 楊向林;嚴(yán)洪;任兆瑞;陳靖一;;基于小波變換的ECG信號(hào)多特征點(diǎn)綜合檢測(cè)算法[A];第八屆全國(guó)信息獲取與處理學(xué)術(shù)會(huì)議論文集[C];2010年

10 韓廣良;陳小云;;利用多特征點(diǎn)搜索實(shí)現(xiàn)紙鈔圖像的狀態(tài)檢測(cè)[A];第九屆全國(guó)信息獲取與處理學(xué)術(shù)會(huì)議論文集Ⅱ[C];2011年

相關(guān)重要報(bào)紙文章 前1條

1 本報(bào)記者 王宇;芯技術(shù)點(diǎn)亮未來(lái)[N];電腦報(bào);2010年

相關(guān)博士學(xué)位論文 前10條

1 劉洪濤;基于視覺(jué)的微夾持構(gòu)件受力與應(yīng)變測(cè)量方法[D];上海交通大學(xué);2014年

2 劉通;面向心拍識(shí)別的心電信號(hào)的高層特征研究[D];吉林大學(xué);2016年

3 廖斌;基于特征點(diǎn)的圖像配準(zhǔn)技術(shù)研究[D];國(guó)防科學(xué)技術(shù)大學(xué);2008年

4 楊占龍;基于特征點(diǎn)的圖像配準(zhǔn)與拼接技術(shù)研究[D];西安電子科技大學(xué);2008年

5 楊利敏;圖像特征點(diǎn)定位算法研究及其應(yīng)用[D];上海交通大學(xué);2008年

6 李旭東;基于特征點(diǎn)的增強(qiáng)現(xiàn)實(shí)三維注冊(cè)算法研究[D];天津大學(xué);2009年

7 魯統(tǒng)偉;前視目標(biāo)圖像匹配定位技術(shù)研究[D];華中科技大學(xué);2008年

8 戴激光;漸進(jìn)式多特征異源高分辨率衛(wèi)星影像密集匹配方法研究[D];遼寧工程技術(shù)大學(xué);2013年

9 宋琳;無(wú)人機(jī)飛行途中視覺(jué)導(dǎo)航關(guān)鍵技術(shù)研究[D];西北工業(yè)大學(xué);2015年

10 楊奎元;基于深層結(jié)構(gòu)的圖像內(nèi)容分析及其應(yīng)用[D];中國(guó)科學(xué)技術(shù)大學(xué);2012年

相關(guān)碩士學(xué)位論文 前10條

1 曾寶瑩;基于圖像識(shí)別的中國(guó)書(shū)法真?zhèn)舞b別方法研究[D];西安建筑科技大學(xué);2015年

2 周兆鎮(zhèn);基于雙目視覺(jué)的特征點(diǎn)匹配算法研究[D];西安建筑科技大學(xué);2015年

3 馮翔;基于人臉對(duì)齊和多特征融合的人臉識(shí)別方法研究[D];南京理工大學(xué);2015年

4 姜小會(huì);基于特征點(diǎn)的圖像拼接技術(shù)研究[D];山東建筑大學(xué);2015年

5 吳昊;基礎(chǔ)矩陣估計(jì)方法研究[D];蘭州大學(xué);2015年

6 陳偉;基于唇形特征的身份識(shí)別算法的設(shè)計(jì)[D];蘭州大學(xué);2015年

7 秦清欣;GPS輔助攝影測(cè)量的邊坡監(jiān)測(cè)技術(shù)研究[D];南京理工大學(xué);2015年

8 宋偉;遠(yuǎn)程火光瞄準(zhǔn)與探測(cè)系統(tǒng)設(shè)計(jì)[D];西安工業(yè)大學(xué);2015年

9 劉智;塑料面膜印刷質(zhì)量的視覺(jué)檢測(cè)方法研究[D];沈陽(yáng)理工大學(xué);2015年

10 任筱強(qiáng);行星及行星衛(wèi)星著陸探測(cè)自主導(dǎo)航方法研究[D];哈爾濱工業(yè)大學(xué);2015年

，

本文編號(hào)：1740538