發(fā)布時(shí)間：2020-03-03 11:35

【摘要】：隨著“平安城市”的推進(jìn),城市中很多公共區(qū)域都安裝了攝像頭,為打擊違法犯罪提供了有力的工具,但如何從海量的視頻數(shù)據(jù)中快速檢索到感興趣目標(biāo)也成為了一個(gè)難題,基于視頻的人臉檢索技術(shù)在此背景下應(yīng)運(yùn)而生,而實(shí)現(xiàn)其的關(guān)鍵技術(shù)是人臉識(shí)別,如何提高人臉識(shí)別效率和提取更為精確的人臉表達(dá)信息成為了研究熱點(diǎn)和難點(diǎn)。本文主要對(duì)人臉識(shí)別中人臉檢測(cè)和人臉特征提取過(guò)程進(jìn)行深入研究和分析。針對(duì)監(jiān)控視頻中人臉檢測(cè)環(huán)境的復(fù)雜性問(wèn)題,利用CAS-PEAL-R1人臉數(shù)據(jù)庫(kù)中的姿態(tài)、光照、飾物和表情變化的人臉進(jìn)行分類器訓(xùn)練,將該分類器應(yīng)用于視頻人臉檢測(cè)系統(tǒng)中。首先,結(jié)合中值濾波和均值濾波對(duì)視頻幀去噪;然后利用YCbCr顏色空間建立的簡(jiǎn)單膚色模型對(duì)預(yù)處理后的圖像進(jìn)行膚色分割,并利用幾何規(guī)則排除一部分類膚色的偽人臉區(qū)域;再對(duì)剩下的人臉候選區(qū)域利用訓(xùn)練的分類器進(jìn)行人臉檢測(cè),并分別在靜態(tài)圖像和動(dòng)態(tài)視頻中進(jìn)行人臉檢測(cè)測(cè)試。在特征提取階段,對(duì)原始LBP算子、均勻模式LBP、旋轉(zhuǎn)不變LBP、Haar型LBP算法、PCA算法原理進(jìn)行深入分析比較,針對(duì)傳統(tǒng)的LBP算子無(wú)法提取到人臉圖像的多尺度、深層次紋理信息等問(wèn)題,本文提出了改進(jìn)的Haar型LBP和PCA相結(jié)合的特征提取方法。首先利用小波分解將人臉圖像在兩個(gè)尺度下表達(dá);然后用Haar型LBP算法提取每個(gè)尺度下的圖像紋理特征;采用PCA算法對(duì)特征向量進(jìn)行降維;最后選取最近鄰分類器完成人臉的分類識(shí)別,并分別在人臉數(shù)據(jù)庫(kù)CAS-PEAL-R1、ORL和YALE上對(duì)本文提出的特征提取方法進(jìn)行實(shí)驗(yàn)。實(shí)驗(yàn)結(jié)果表明,本文的人臉檢測(cè)方法對(duì)人臉變化有較高的魯棒性,加快了人臉檢測(cè)速度;特征提取方法能夠提取更為有效的人臉信息,提高了人臉識(shí)別率。系統(tǒng)實(shí)現(xiàn)階段,在OpenCV和Qt開發(fā)環(huán)境下利用C++語(yǔ)言編程實(shí)現(xiàn)了一套智能視頻人臉檢索原型系統(tǒng),選取了三段不同復(fù)雜程度的視頻進(jìn)行了人臉檢索實(shí)驗(yàn)。實(shí)驗(yàn)結(jié)果表明,該系統(tǒng)可以較好的完成人臉實(shí)時(shí)檢索,檢索速度和準(zhǔn)確率滿足實(shí)際應(yīng)用需求,可以大大提高辦案人員的工作效率,減輕其工作強(qiáng)度。
【圖文】：

由于監(jiān)控視頻環(huán)境復(fù)雜性導(dǎo)致人臉檢測(cè)效果不好，本文利用 CAS-PE數(shù)據(jù)庫(kù)中的姿態(tài)、光照、飾物和表情變化的人臉進(jìn)行分類器訓(xùn)練，然類器用于視頻人臉檢測(cè)中。2.2本文人臉檢測(cè)方法總體思路本文方法分為以下兩個(gè)階段來(lái)操作，訓(xùn)練階段：利用 CAS-PEAL-R1 人中的大量人臉圖片和根據(jù)需要采集的不含人臉的圖片進(jìn)行分類器訓(xùn)練段：為了降低噪聲對(duì)人臉檢測(cè)的影響，在檢測(cè)階段利用中值濾波和均合的方法對(duì)視頻幀圖像進(jìn)行去噪，然后對(duì)預(yù)處理后的圖片進(jìn)行膚色分二值圖像排除大部分背景區(qū)域，分割出膚色區(qū)域后，運(yùn)用形態(tài)學(xué)閉運(yùn)的點(diǎn)按一定規(guī)則連接起來(lái)并且去掉了較小的噪聲點(diǎn)。為進(jìn)一步加快檢利用幾何規(guī)則排除類膚色的偽人臉區(qū)域。最后利用 AdaBoost 算法訓(xùn)練進(jìn)行人臉檢測(cè)，本文方法人臉檢測(cè)流程如圖 2.1 所示。待檢測(cè)圖片或視頻幀

第 2 章 基于膚色分割和 AdaBoost 訓(xùn)練分類器的人臉檢測(cè)方法 2 22221,2x yF x y e 22x y為濾波半徑，σ 為高斯函數(shù)的方差決定著濾波器的寬度器的頻帶就越寬，平滑程度就越好，同時(shí)也會(huì)帶來(lái)更大的計(jì)）實(shí)驗(yàn)結(jié)果與分析驗(yàn)證以上介紹的濾波方法的效果，對(duì)一幅輸入圖像分別加入以及乘性噪聲，然后分別用三種方法對(duì)其進(jìn)行去噪，，實(shí)驗(yàn)圖 2.3 和圖 2.4 所示。原圖 加椒鹽噪聲 中值濾波去噪 均值濾波去噪 高斯濾波去噪
【學(xué)位授予單位】：云南師范大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2017
【分類號(hào)】：TP391.41

【參考文獻(xiàn)】

相關(guān)期刊論文 前10條

1 于夢(mèng);云利軍;李艾瞳;;基于多尺度Retinex算法結(jié)合PCA特征加權(quán)的人臉識(shí)別方法[J];云南師范大學(xué)學(xué)報(bào)(自然科學(xué)版);2016年06期

2 江琨;鄭祿;帖軍;;基于LBP和PCA算法的智能人臉識(shí)別[J];計(jì)算機(jī)與數(shù)字工程;2016年10期

3 李彥璇;王蓉;;基于Gabor小波特征提取的PCA人臉識(shí)別方法[J];電腦知識(shí)與技術(shù);2015年32期

4 許偉;賴惠成;齊立飛;吳雪鋒;;基于Gabor特征的人臉識(shí)別算法的對(duì)比研究與實(shí)現(xiàn)[J];激光雜志;2015年02期

5 侯賓;張文志;戴源成;田洪強(qiáng);;基于OpenCV的目標(biāo)物體顏色及輪廓的識(shí)別方法[J];現(xiàn)代電子技術(shù);2014年24期

6 李軍;蒙仕格;范權(quán)昌;陳金;;基于人臉識(shí)別的門禁系統(tǒng)設(shè)計(jì)與實(shí)現(xiàn)[J];自動(dòng)化與信息工程;2013年06期

7 蔡波;楊艷;;融合多特征的人臉檢測(cè)方法[J];半導(dǎo)體光電;2013年05期

8 梁淑芬;劉銀華;李立琛;;小波變換和LBP對(duì)數(shù)域特征提取的人臉識(shí)別算法[J];信號(hào)處理;2013年09期

9 周書仁;殷建平;;基于Haar特性的LBP紋理特征[J];軟件學(xué)報(bào);2013年08期

10 李嵐;朱林杰;張?jiān)?;膚色特征與AdaBoost算法結(jié)合的人臉檢測(cè)[J];計(jì)算機(jī)與數(shù)字工程;2012年12期

相關(guān)博士學(xué)位論文 前1條

1 段錦;人臉自動(dòng)識(shí)別中若干問(wèn)題的研究[D];吉林大學(xué);2004年

相關(guān)碩士學(xué)位論文 前10條

1 項(xiàng)曉麗;基于改進(jìn)的稀疏表示的人臉識(shí)別算法研究[D];南昌大學(xué);2016年

2 梅廣;基于KPCA與LBP的人臉識(shí)別[D];西華大學(xué);2015年

3 霍焰焰;基于PCA和LBP改進(jìn)算法的人臉識(shí)別研究[D];哈爾濱理工大學(xué);2015年

4 王永強(qiáng);基于膚色分割和Adaboost算法的人臉檢測(cè)方法研究[D];沈陽(yáng)工業(yè)大學(xué);2015年

5 周陽(yáng);基于量子進(jìn)化算法的人臉檢測(cè)[D];蘭州理工大學(xué);2014年

6 郭慶;基于視頻監(jiān)控的人臉識(shí)別研究[D];安徽大學(xué);2014年

7 楊新權(quán);基于膚色分割及連續(xù)Adaboost算法的人臉檢測(cè)研究[D];電子科技大學(xué);2013年

8 楊松林;低分辨率下的行人檢測(cè)[D];武漢理工大學(xué);2012年

9 宿佳寧;人臉對(duì)齊算法研究[D];哈爾濱工程大學(xué);2012年

10 梁斌;視頻人臉檢索技術(shù)的研究與系統(tǒng)實(shí)現(xiàn)[D];太原理工大學(xué);2012年

本文編號(hào)：2584466