【摘要】：iOS,即蘋果公司開發(fā)的移動(dòng)操作系統(tǒng),主要應(yīng)用于iPhone手機(jī)、iPad平板等�，F(xiàn)在越來越多的人在iOS平臺(tái)上聊天、上網(wǎng)、觀看視頻等等,iPhone已成為很多人的隨身必備物品。人臉與指紋、虹膜一樣與生俱來,具有唯一性和不易被復(fù)制性,是身份檢測(cè)的重要指標(biāo)。人臉檢測(cè)與識(shí)別可以幫助視頻監(jiān)控實(shí)現(xiàn)智能化。再結(jié)合基于iOS的移動(dòng)互聯(lián)網(wǎng)平臺(tái),可以將監(jiān)控視頻通過無線網(wǎng)絡(luò)傳輸?shù)絠Phone手機(jī)或iPad平板,就可以在手機(jī)或平板上對(duì)監(jiān)控視頻進(jìn)行實(shí)時(shí)的人臉檢測(cè)與識(shí)別,既方便快捷又節(jié)約成本。本文的工作主要包括以下四個(gè)方面：(1)實(shí)現(xiàn)iOS平臺(tái)下監(jiān)控視頻的傳輸。首先利用攝像頭采集到視頻圖像,然后采用Flash Media Live Encoder對(duì)視頻進(jìn)行編碼,并利用Flash Media Server作為服務(wù)器,通過HLS(HTTP Live Stream)協(xié)議將視頻流傳輸?shù)絠Phone上并顯示。(2)實(shí)現(xiàn)監(jiān)控視頻的預(yù)處理。本文對(duì)視頻的預(yù)處理主要有視頻去噪、直方圖均衡化以及白平衡。首先對(duì)視頻去噪,主要采用形態(tài)學(xué)濾波消除視頻中的椒鹽噪聲。接著對(duì)視頻進(jìn)行直方圖均衡化,以增加圖像的對(duì)比度,有利于人臉檢測(cè)。最后通過完美反射法對(duì)視頻進(jìn)行白平衡調(diào)整,從而削弱光照對(duì)人臉檢測(cè)帶來的的影響。預(yù)處理有助于人臉檢測(cè)的準(zhǔn)確率以及提高人臉檢測(cè)的速度。(3)實(shí)現(xiàn)改進(jìn)Adaboost算法的人臉檢測(cè)。本文分析討論了Viola-Jones在2004年提出的基于Adaboost人臉檢測(cè)算法,并在iOS平臺(tái)下對(duì)Viola-Jones人臉檢測(cè)算法提出了三點(diǎn)改進(jìn)：首先提出了基于權(quán)值更新的Adaboost算法改進(jìn)；然后后提出了基于查詢子窗口大小的Adaboost算法改進(jìn)；最后通過膚色檢測(cè)來加快人臉檢測(cè)。(4)實(shí)現(xiàn)改進(jìn)LBP算法的人臉識(shí)別。首先采用Gabor變換實(shí)現(xiàn)多尺度、多方向的特征提取。然后通過改進(jìn)的LBP算法提取紋理信息。最后通過Fisherfaces算法實(shí)現(xiàn)向量投影并降維,并通過余弦相似度對(duì)圖像進(jìn)行分類。實(shí)驗(yàn)結(jié)果表明,該算法不僅對(duì)光照有較好的魯棒性,還提高了人臉識(shí)別速度和準(zhǔn)確率。總的來說,本文主要實(shí)現(xiàn)基于iOS平臺(tái)下監(jiān)控視頻的人臉檢測(cè)與識(shí)別,首先對(duì)監(jiān)控視頻做一系列的預(yù)處理,然后對(duì)預(yù)處理后的視頻圖像進(jìn)行人臉檢測(cè),最后在人臉檢測(cè)的基礎(chǔ)上實(shí)現(xiàn)人臉識(shí)別。實(shí)驗(yàn)結(jié)果表明,本文設(shè)計(jì)的系統(tǒng)通過對(duì)人臉檢測(cè)的改進(jìn)加快了Adaboost分類器訓(xùn)練速度,降低了人臉檢測(cè)的頻率,降低了程序的能耗；通過對(duì)人臉識(shí)別算法的改進(jìn),在增強(qiáng)對(duì)光照魯棒性的同時(shí)提高人臉識(shí)別準(zhǔn)確率。
[Abstract]:IOS, the mobile operating system developed by Apple, is mainly used in iPhone phones, iPad tablets and so on. Now more and more people chat, surf the Internet, watch videos and so on the iOS platform. IPhone has become a necessary item for many people. Face and fingerprint are the same as iris, unique and hard to be duplicated, which is an important index of identity detection. Face detection and recognition can help video surveillance to achieve intelligent. Combined with the mobile Internet platform based on iOS, surveillance video can be transmitted to iPhone mobile phone or iPad tablet through wireless network, and real-time face detection and recognition can be carried out on mobile phone or tablet. It is convenient and quick as well as cost saving. The work of this paper mainly includes the following four aspects: (1) realize the transmission of surveillance video on iOS platform. Firstly, the video image is captured by the camera, then the video is encoded by Flash Media Live Encoder, and Flash Media Server is used as the server. The video stream is transmitted to iPhone by HLS (HTTP Live Stream) protocol and displayed. (2) the preprocessing of surveillance video is realized. In this paper, video preprocessing mainly includes video denoising, histogram equalization and white balance. Firstly, the morphological filter is used to eliminate the salt and pepper noise in the video. Then the histogram equalization is used to increase the contrast of the image, which is beneficial to face detection. Finally, the white balance of video is adjusted by perfect reflection method, which weakens the influence of illumination on face detection. The preprocessing is helpful to the accuracy of face detection and the speed of face detection. (3) face detection based on improved Adaboost algorithm is implemented. This paper analyzes and discusses the Adaboost based face detection algorithm proposed by Viola-Jones in 2004, and proposes three improvements to the Viola-Jones face detection algorithm under the iOS platform. Firstly, an improved Adaboost algorithm based on weight updating is proposed. Then an improved Adaboost algorithm based on query sub-window size is proposed. Finally, skin color detection is used to speed up face detection. (4) face recognition based on improved LBP algorithm is implemented. Firstly, Gabor transform is used to realize multi-scale and multi-direction feature extraction. Then the texture information is extracted by the improved LBP algorithm. Finally, vector projection and dimensionality reduction are realized by Fisherfaces algorithm, and the images are classified by cosine similarity. Experimental results show that the algorithm not only has good robustness to illumination, but also improves the speed and accuracy of face recognition. In general, this paper mainly realizes the face detection and recognition of surveillance video based on iOS platform. Firstly, we do a series of preprocessing to the surveillance video, and then we detect the face of the pre-processed video image. Finally, face recognition is realized on the basis of face detection. The experimental results show that the system improves the training speed of Adaboost classifier, reduces the frequency of face detection and reduces the energy consumption of the program. The algorithm of face recognition is improved to improve the robustness of illumination and the accuracy of face recognition.
【學(xué)位授予單位】：浙江理工大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2014
【分類號(hào)】：TN948.6

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 林志陽;康耀紅;雷景生;;基于Adaboost的車標(biāo)定位方法[J];計(jì)算機(jī)工程;2008年11期

2 張磊;;基于AdaBoost的側(cè)面人臉、人耳檢測(cè)[J];科學(xué)大眾;2008年08期

3 付忠良;;關(guān)于AdaBoost有效性的分析[J];計(jì)算機(jī)研究與發(fā)展;2008年10期

4 張崗?fù)?楊全;;兩種Adaboost方法在人臉檢測(cè)中的比較研究[J];微計(jì)算機(jī)信息;2009年24期

5 嚴(yán)超;王元慶;李久雪;張兆揚(yáng);;AdaBoost分類問題的理論推導(dǎo)[J];東南大學(xué)學(xué)報(bào)(自然科學(xué)版);2011年04期

6 李印;;基于AdaBoost的行人檢測(cè)研究與實(shí)現(xiàn)[J];數(shù)字技術(shù)與應(yīng)用;2012年03期

7 蘇加強(qiáng);丁柳云;;基于R的監(jiān)督式AdaBoost異常值檢測(cè)應(yīng)用[J];淮海工學(xué)院學(xué)報(bào)(自然科學(xué)版);2013年01期

8 張志勛;張磊;楊凡;;一種改進(jìn)的Adaboost人臉檢測(cè)方法[J];自動(dòng)化與儀器儀表;2013年06期

9 王海川,張立明;一種新的Adaboost快速訓(xùn)練算法[J];復(fù)旦學(xué)報(bào)(自然科學(xué)版);2004年01期

10 趙江,徐魯安;基于AdaBoost算法的目標(biāo)檢測(cè)[J];計(jì)算機(jī)工程;2004年04期

相關(guān)會(huì)議論文 前10條

1 Wen Feng;;A Novel Lips Detection Method Combined Adaboost Algorithm and Camshift Algorithm[A];2012年計(jì)算機(jī)應(yīng)用與系統(tǒng)建模國(guó)際會(huì)議論文集[C];2012年

2 張超;苗振江;;基于AdaBoost的面部信息感知[A];第十三屆全國(guó)信號(hào)處理學(xué)術(shù)年會(huì)（CCSP-2007）論文集[C];2007年

3 郭翌;汪源源;;基于Adaboost算法的頸動(dòng)脈粥樣硬化判別方法[A];中國(guó)儀器儀表學(xué)會(huì)第十一屆青年學(xué)術(shù)會(huì)議論文集[C];2009年

4 張紅梅;高海華;王行愚;;抑制樣本噪聲的AdaBoost算法及其在入侵檢測(cè)中的應(yīng)用[A];2007年中國(guó)智能自動(dòng)化會(huì)議論文集[C];2007年

5 陸文聰;鈕冰;金雨歡;;基于AdaBoost算法的亞細(xì)胞位置預(yù)測(cè)[A];中國(guó)化學(xué)會(huì)第26屆學(xué)術(shù)年會(huì)化學(xué)信息學(xué)與化學(xué)計(jì)量學(xué)分會(huì)場(chǎng)論文集[C];2008年

6 陳宏偉;劉建偉;費(fèi)向東;;一種半監(jiān)督環(huán)境下的Adaboost算法[A];2008'中國(guó)信息技術(shù)與應(yīng)用學(xué)術(shù)論壇論文集（二）[C];2008年

7 唐曉丹;苗振江;;基于AdaBoost和粒子濾波的目標(biāo)跟蹤[A];第十四屆全國(guó)圖象圖形學(xué)學(xué)術(shù)會(huì)議論文集[C];2008年

8 張彬;金連文;;基于AdaBoost的手寫體漢字相似字符識(shí)別[A];第二十六屆中國(guó)控制會(huì)議論文集[C];2007年

9 ;Using Skin Color and HAD-AdaBoost Algorithm for Face Detection in Color Images[A];Information Technology and Computer Science—Proceedings of 2012 National Conference on Information Technology and Computer Science[C];2012年

10 肖磊;李麗;肖佳文;;基于AdaBoost-SVM的上市公司信用風(fēng)險(xiǎn)評(píng)估[A];2012管理創(chuàng)新、智能科技與經(jīng)濟(jì)發(fā)展研討會(huì)論文集[C];2012年

相關(guān)博士學(xué)位論文 前4條

1 佟旭;基于復(fù)雜網(wǎng)絡(luò)理論的糖尿病腎病辨證建模研究[D];北京中醫(yī)藥大學(xué);2016年

2 劉沖;模擬電路故障診斷AdaBoost集成學(xué)習(xí)方法研究[D];大連海事大學(xué);2011年

3 張?zhí)珜?人眼注視點(diǎn)估計(jì)方法的研究[D];南開大學(xué);2013年

4 趙培英;基于智能計(jì)算的膜蛋白結(jié)構(gòu)與相互作用預(yù)測(cè)研究[D];東華大學(xué);2010年

相關(guān)碩士學(xué)位論文 前10條

1 皮麗琴;基于AdaBoost-GASVM算法和LDA主題模型的短文本分類研究[D];華南理工大學(xué);2015年

2 孫斌;一種基于Adaboost的實(shí)時(shí)行人檢測(cè)算法[D];華南理工大學(xué);2015年

3 蔡澤彬;基于視頻分析的行人檢測(cè)及統(tǒng)計(jì)方法研究[D];華南理工大學(xué);2015年

4 游晴;Adaboost人臉檢測(cè)算法研究及其在硬件平臺(tái)上的實(shí)現(xiàn)[D];昆明理工大學(xué);2015年

5 宋雨;基于視覺圖片的腦—機(jī)接口控制研究[D];天津理工大學(xué);2015年

6 林欣;基于改進(jìn)膚色模型的AdaBoost人臉檢測(cè)算法研究[D];陜西科技大學(xué);2015年

7 袁浩杰;Adaboost算法的并行化及其在目標(biāo)分類中的應(yīng)用[D];華南理工大學(xué);2015年

8 張恒;基于近紅外圖像的疲勞駕駛檢測(cè)研究與系統(tǒng)實(shí)現(xiàn)[D];長(zhǎng)安大學(xué);2015年

9 朱非易;基于不平衡學(xué)習(xí)的蛋白質(zhì)—維生素綁定位點(diǎn)預(yù)測(cè)研究[D];南京理工大學(xué);2015年

10 張?jiān)?一種基于AdaBoost的組合分類算法研究[D];四川師范大學(xué);2015年

，

本文編號(hào)：2402044