人耳作為生物特征的一種,具有普遍性、穩(wěn)定性和易采集性等特點,使得人耳檢測與識別研究成為熱點。本課題研究人耳檢測的Android實現(xiàn)及人耳識別算法。研究主要內(nèi)容及成果如下:(1)本文采用基于Haar-like特征的AdaBoost算法進行人耳檢測,并分別訓練實驗室條件下與非受控條件下的人耳分類器。實驗室條件下的正樣本使用USTB-1數(shù)據(jù)庫,非受控條件下的正樣本為AWE數(shù)據(jù)庫;負樣本均來自weizmann團隊的圖像分割數(shù)據(jù)庫。實驗結果表明所用方法及訓練的分類器在兩種條件下均達到較高的檢測率,且檢測速率均在20ms以內(nèi)。(2)對人耳特征識別算法進行研究,首次將HOG+PCA+SVM算法應用到人耳識別上。該算法首先提取人耳的HOG特征,其次通過PCA算法進行特征降維處理,最終通過SVM多分類器進行識別分類。通過與傳統(tǒng)PCA+SVM算法的實驗對比,本文所用方法的識別率優(yōu)于PCA+SVM算法,且最高識別率可以達到95%以上。(3)在Android平臺上實現(xiàn)人耳檢測。通過Java本地接口技術將人耳檢測算法移植到Android平臺上,使其能夠精準檢測出人耳并進行聚焦拍照。三種實驗測試結果展示了Andro...

【文章頁數(shù)】：67 頁

【學位級別】：碩士

【部分圖文】：

圖1.1人耳外部結構

圖1.1人耳外部結構究現(xiàn)狀耳圖像采集與人耳識別的重要環(huán)節(jié)，如若在采檢等情況，后面的識別及其他操作就不能夠繼且大部分算法都是基于人耳的形態(tài)特征，例如發(fā)展以來，現(xiàn)有的人耳檢測方法大致可以分為模板匹配的檢測算法和基于機器學習模型的檢廓的人耳檢測算法：此類算法最早是在1996年模....

圖2.1彩色圖像光照補償

1222()imeanGyiTn，1222()()mimeanBiByiTn，據(jù)參考黑和參考白對圖像的R、G、B分量分別歸一化后的值normR、normG2.7,2.8,2.9：221meannormRmeanmean....

圖2.2灰度圖像光照補償

1222()imeanGyiTn，1222()()mimeanBiByiTn，據(jù)參考黑和參考白對圖像的R、G、B分量分別歸一化后的值normR、normG2.7,2.8,2.9：221meannormRmeanmean....

圖2.3中值濾波前后對比圖

來替換該像素點的灰度值，該方法適用于保留圖像邊緣信息。其在很大程度上解決[53]。驟如下：強度值大小排序。后像素集的中值作為中間點的新值。2.10：'001(,)2(,)(,)SxySfxySortfxy的鄰域集合（包含00(x,....

本文編號：4030442