本文主要對人臉識別技術(shù)在復(fù)雜光照條件下進(jìn)行了研究,對人臉識別的核心技術(shù)在Android平臺下進(jìn)行研究和分析。系統(tǒng)對人臉識別系統(tǒng)的預(yù)處理、特征提取、分類識別三個關(guān)鍵環(huán)做了詳細(xì)的研究,系統(tǒng)性能經(jīng)過每一階段的處理后都會得到一定的提升。本設(shè)計系統(tǒng)主要進(jìn)行了以下幾個方面的研究:（1）在預(yù)處理階段運用了Retinex算法,對Retinex理論的本質(zhì)意義進(jìn)行分析,得出了Retinex輸出圖像的本質(zhì),即相對反射率,而相對反射率對光照的敏感度很低,因而本文將其在研究情況復(fù)雜的人臉圖像預(yù)處理時采用了這一算法。對Retinex輸出圖像進(jìn)行灰度值采用均值方差歸一化的方法進(jìn)行線性拉伸。仿真結(jié)果表明,人臉人臉圖像經(jīng)過該算法處理后圖像效果得到明顯的提升,在非受控條件下得到的復(fù)雜光照人臉圖像尤為突出。（2）對可變光照人臉識別算法研究主要涉及了局部二值模式（Local Binary Pattern,LBP）和線性回歸兩種算法,這兩種算法同時涉及人臉識別系統(tǒng)的三個關(guān)鍵環(huán)節(jié),光照等影響因素在每一個環(huán)節(jié)都會得到一定的處理,使得可變光照算法更加完整。對光照不變特征的提取采用的是具有光照魯棒性的分塊LBP,在分類識別階段使用的是... 

【文章來源】：湖北工業(yè)大學(xué)湖北省

【文章頁數(shù)】：51 頁

【學(xué)位級別】：碩士

【文章目錄】：
摘要
Abstract
第1章 緒論
    1.1 課題背景
    1.2 人臉識別技術(shù)的國內(nèi)外現(xiàn)狀
    1.3 人臉識別技術(shù)未來的發(fā)展趨勢
    1.4 本文主要研究內(nèi)容與組織
第2章 人臉識別研究的關(guān)鍵技術(shù)
    2.1 人臉識別的三個階段
    2.2 人臉圖像預(yù)處理
        2.2.1 彩色轉(zhuǎn)灰色圖像
        2.2.2 幾何處理（統(tǒng)一尺寸）
        2.2.3 灰度預(yù)處理（統(tǒng)一光照）
    2.3 特征提取
    2.4 分類與識別
    2.5 本章小結(jié)
第3章 光照和噪聲影響下人臉圖像的預(yù)處理
    3.1 Retinex理論及分析
    3.2 人臉圖像預(yù)處理算法
        3.2.1 對輸入圖像進(jìn)行Retinex預(yù)處理
        3.2.2 歸一化Retinex預(yù)處理圖像的灰度值
    3.3 基于Retinex理論的光照補償算法改進(jìn)
    3.4 W-G算法的預(yù)處理
        3.4.1 小波變換強化高頻分量
        3.4.2 提取光照不變量
    3.5 仿真結(jié)果及分析
        3.5.1 在Extended Yale Face Database B上的實驗結(jié)果
        3.5.2 在ORL人臉庫上的實驗結(jié)果
    3.6 本章小結(jié)
第4章 人臉圖像的特征提取及分類
    4.1 LBP人臉識別
        4.1.1 LBP人臉描述
        4.1.2 LBP人臉匹配
        4.1.3 LBP人臉?biāo)惴?br>        4.1.4 改進(jìn)的LBP人臉?biāo)惴?br>        4.1.5 LBP分塊結(jié)果與分析
    4.2 線性回歸分類算法
        4.2.1 算法描述
        4.2.2 可變光照下的線性回歸算法
        4.2.3 算法流程
    4.3 實驗結(jié)果與分析
    4.4 本章小結(jié)
第5章 系統(tǒng)實現(xiàn)
    5.1 搭建Android下的JNI開發(fā)環(huán)境
        5.1.1 安裝Cygwin和配置ndk環(huán)境
        5.1.2 利用NDK編譯生成OpenCV靜態(tài)庫
    5.2 實現(xiàn)過程
        5.2.1 利用Android應(yīng)用程序框架編寫Java代碼
        5.2.2 利用JNI實現(xiàn)基于OpenCV的人臉檢測函數(shù)
    5.3 應(yīng)用程序?qū)嶋H測試
    5.4 本章小結(jié)
第6章 總結(jié)與展望
    6.1 總結(jié)
    6.2 展望
參考文獻(xiàn)
致謝


【參考文獻(xiàn)】：
期刊論文
[1]基于局部特征和集成學(xué)習(xí)的魯棒彩色人臉識別算法[J]. 邵珠宏,歐陽軍林,廖帆,舒華忠.  東南大學(xué)學(xué)報(自然科學(xué)版). 2015(02)
[2]基于OpenCV的通用人臉檢測模塊設(shè)計[J]. 張瑩,李勇平,敖新宇.  計算機工程與科學(xué). 2011(01)
[3]圖像邊緣檢測方法的比較和研究[J]. 王苑楠.  計算機與數(shù)字工程. 2009(01)
[4]醫(yī)學(xué)圖像灰度歸一化顯示技術(shù)研究[J]. 萬金鑫,宋余慶,董淑德,趙德坤.  CT理論與應(yīng)用研究. 2008(04)
[5]基于多級小波分解的人臉圖像光照補償方法[J]. 龔衛(wèi)國,楊利平,辜小花,李偉紅.  光學(xué)精密工程. 2008(08)
[6]一種Java與OpenCV結(jié)合實現(xiàn)的目標(biāo)檢測模塊[J]. 韓露,李祖樞,陳東義.  計算機應(yīng)用. 2008(03)
[7]直方圖均衡化在圖像處理中的應(yīng)用[J]. 任艷斐.  科技信息. 2007(04)
[8]JNI技術(shù)實現(xiàn)跨平臺開發(fā)的研究[J]. 任俊偉,林東岱.  計算機應(yīng)用研究. 2005(07)

碩士論文
[1]多姿態(tài)人臉識別算法的研究與設(shè)計[D]. 郭姍姍.吉林大學(xué) 2016



本文編號：3510106