身份認(rèn)證是系統(tǒng)安全的重要組成部分。如果登錄系統(tǒng)人員與操作系統(tǒng)人員不一致,將會(huì)給企業(yè)帶來不可估量的損失,因此保證身份認(rèn)證的一致性是保障系統(tǒng)安全運(yùn)行的前提。密碼登錄代人登錄系統(tǒng)進(jìn)行相關(guān)操作的現(xiàn)象較為常見,刷卡登錄系統(tǒng)也容易出現(xiàn)代刷卡現(xiàn)象,生物識(shí)別技術(shù)與前兩種方式相比安全性高且代刷卡現(xiàn)象相對(duì)較少。目前,應(yīng)用于登錄系統(tǒng)的主要有指紋識(shí)別和人臉識(shí)別,由于指紋識(shí)別采用接觸式識(shí)別且識(shí)別率易受手指皮膚的影響,人臉識(shí)別采用非接觸式識(shí)別,相比更為被人接受。論文主要工作內(nèi)容如下:（1）針對(duì)無法保證系統(tǒng)登錄人員與操作系統(tǒng)人員一致性的問題,設(shè)計(jì)人臉識(shí)別前需進(jìn)行照片欺騙檢測(cè)的流程,提出基于LBP特征的照片欺騙檢測(cè)方法進(jìn)行欺騙檢測(cè),根據(jù)分類結(jié)果進(jìn)行后續(xù)操作。（2）針對(duì)人臉圖像預(yù)處理中傳統(tǒng)的人眼定位分類器在戴眼鏡情況下定位準(zhǔn)確率較低問題,設(shè)計(jì)在人眼定位前進(jìn)行眼鏡檢測(cè),根據(jù)眼鏡檢測(cè)結(jié)果選擇不同人眼定位分類器的方法,采用形態(tài)學(xué)眼鏡檢測(cè)方法,根據(jù)輸入的灰度化人臉圖像進(jìn)行人臉圖像分割,得出含有眼鏡邊框的感興趣區(qū)域ROI,并將感興趣區(qū)域進(jìn)行形態(tài)學(xué)操作,最后進(jìn)行邊緣檢測(cè),提高人眼定位準(zhǔn)確率,進(jìn)而提升人臉識(shí)別率。（3）根據(jù)人眼定位結(jié)... 

【文章來源】：東南大學(xué)江蘇省 211工程院校 985工程院校 教育部直屬院校

【文章頁數(shù)】：60 頁

【學(xué)位級(jí)別】：碩士

【部分圖文】：

級(jí)聯(lián)分類模型

（1）基于幾何特征的人臉識(shí)別方法根據(jù)人臉面部拓?fù)浣Y(jié)構(gòu)幾何關(guān)系用一組特殊的幾何矢量來表示，然后進(jìn)行相似性度量計(jì)算。人臉的幾何特征關(guān)系指的是人臉的面部特征的形狀、大小、角度和位置的關(guān)系，人臉的面部特征主要有眼睛、嘴巴、鼻子等人臉面部顯著特點(diǎn)。此方法識(shí)別速度快，但是對(duì)特征點(diǎn)匹配要求較高，且當(dāng)人臉的五官位置發(fā)生變化時(shí)，相應(yīng)的識(shí)別效率也會(huì)低，因此此方法的實(shí)用性較低。（2）基于子空間的人臉識(shí)別方法由于樣本特征在低維子空間更易于分類，因此可以通過空間變換將高維的人臉圖像特征壓縮到一個(gè)低維的子空間中，其典型的代表算法是基于 PCA 的人臉識(shí)別和基于LDA 的人臉識(shí)別。PCA 技術(shù)主要是通過降低特征空間維數(shù)的方式來降低存儲(chǔ)成本和減少計(jì)算量從而獲得相對(duì)較高的準(zhǔn)確性。具體實(shí)現(xiàn)方式是確定一個(gè)能夠很好的分離數(shù)據(jù)的空間，可以消除數(shù)據(jù)之間的相關(guān)性，簡化數(shù)據(jù)集合的維數(shù)。在基于 PCA 的人臉識(shí)別流程中，主要有以下幾個(gè)階段：訓(xùn)練樣本、特征提取、構(gòu)造特征空間、投影計(jì)算，主要流程如圖 2-3 所示：

第二章 相關(guān)技術(shù)（3）基于局部特征的人臉識(shí)別方法基于子空間的人臉識(shí)別方法雖然特征維數(shù)相比較低，但是它是全局化的，有很多人征信息是與分類結(jié)果無關(guān)的，因此可以找出局部性相關(guān)信息是非常重要的。人的臉部特征隨著年齡的增長并不會(huì)有太大的變化，可以將人臉分為多個(gè)局部特征，將這部特征進(jìn)行相似對(duì)比，典型的局部特征有 LBP。LBP 主要用于局部紋理特征的提取，LBP 算法主要是利用結(jié)構(gòu)化和統(tǒng)計(jì)化的思想，用來提取窗口的特征，后者是用來提取最終的整體特征。最原始的 LBP 特征計(jì)算驟如下：首先是選擇一個(gè)合適大小的鄰域窗口 n n（ n 3），最中間的點(diǎn)為中心，點(diǎn)的像素值都與該中心點(diǎn)的像素值進(jìn)行比較，若是不小于該點(diǎn)像素，則記為 1，否為 0，然后再將這些處理過后的像素值按一定的順序排列，得到一組二進(jìn)制數(shù)值，此二進(jìn)制數(shù)值轉(zhuǎn)化成十進(jìn)制整數(shù)，則窗口的 LBP 特征值就是該十進(jìn)制數(shù)，具體流圖 2-4 所示：

【參考文獻(xiàn)】：
期刊論文
[1]基于二維PCA和SVM算法的人臉識(shí)別系統(tǒng)[J]. 李德福,黃新.  桂林電子科技大學(xué)學(xué)報(bào). 2017(05)
[2]基于PCA和圖嵌入方法的人臉識(shí)別[J]. 吳朝霞,張陽.  電子世界. 2017(23)
[3]AdaBoost檢測(cè)結(jié)合SOM的自動(dòng)人臉識(shí)別方法[J]. 葉劍鋒,王化明.  哈爾濱工程大學(xué)學(xué)報(bào). 2018(01)
[4]有遮擋人臉識(shí)別綜述:從子空間回歸到深度學(xué)習(xí)[J]. 李小薪,梁榮華.  計(jì)算機(jī)學(xué)報(bào). 2018(01)
[5]人臉識(shí)別技術(shù)綜述[J]. 左騰.  軟件導(dǎo)刊. 2017(02)
[6]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)
[7]基于AdaBoost算法的人臉識(shí)別系統(tǒng)的研究與實(shí)現(xiàn)[J]. 馬博宇,尉寅瑋.  儀器儀表學(xué)報(bào). 2016(S1)
[8]基于改進(jìn)的LBP人臉識(shí)別算法的研究[J]. 頊聰,陶永鵬.  微型機(jī)與應(yīng)用. 2016(23)
[9]高安全性人臉識(shí)別系統(tǒng)中的唇語識(shí)別算法研究[J]. 任玉強(qiáng),田國棟,周祥東,呂江靖,周曦.  計(jì)算機(jī)應(yīng)用研究. 2017(04)
[10]基于BP神經(jīng)網(wǎng)絡(luò)的人臉識(shí)別系統(tǒng)[J]. 安大海,蔣硯軍.  軟件. 2015(12)

碩士論文
[1]防欺騙人臉識(shí)別考勤系統(tǒng)研究與設(shè)計(jì)[D]. 劉浩志.西南石油大學(xué) 2017
[2]基于局部特征的人臉識(shí)別身份驗(yàn)證系統(tǒng)[D]. 馬文芹.吉林大學(xué) 2016
[3]基于深度學(xué)習(xí)的人臉識(shí)別方法的研究[D]. 池燕玲.福建師范大學(xué) 2015
[4]基于OpenCV的人臉識(shí)別系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn)[D]. 卜秋月.吉林大學(xué) 2015
[5]戴眼鏡情況下眼睛定位及眼睛狀態(tài)識(shí)別算法研究[D]. 仝錫民.華南理工大學(xué) 2015
[6]復(fù)雜背景下基于神經(jīng)網(wǎng)絡(luò)的人臉識(shí)別方法研究與實(shí)現(xiàn)[D]. 麥敬椿.華南理工大學(xué) 2014
[7]基于Adaboost的人臉檢測(cè)方法及眼睛定位算法研究[D]. 龍伶敏.電子科技大學(xué) 2008



本文編號(hào)：3317316