本文關(guān)鍵詞：SIFT在視頻監(jiān)控人臉識(shí)別中的應(yīng)用研究，由筆耕文化傳播整理發(fā)布。

【摘要】：視頻監(jiān)控已廣泛應(yīng)用于日常生活,為此基于監(jiān)控的視頻人臉識(shí)別已成為國(guó)內(nèi)外研究熱點(diǎn),同時(shí)也是國(guó)際安保嚴(yán)峻形勢(shì)的需要。然而現(xiàn)實(shí)視頻監(jiān)控環(huán)境的低分辨率、多姿態(tài)俯視、環(huán)境不可控和單訓(xùn)練樣本等問(wèn)題卻成為人臉識(shí)別需要攻克的挑戰(zhàn)。而SIFT算法作為具有良好魯棒性和可區(qū)分性的先進(jìn)算法,其尺度不變性、旋轉(zhuǎn)不變性、對(duì)光照和遮擋不敏感等特性恰恰又是視頻監(jiān)控人臉識(shí)別所需要的。因此,本研究對(duì)SIFT算法在視頻監(jiān)控人臉識(shí)別中的應(yīng)用進(jìn)行探究,包括SIFT算法的單訓(xùn)練樣本視頻監(jiān)控人臉識(shí)別以及人臉再識(shí)別應(yīng)用等。在SCface人臉庫(kù)上驗(yàn)證,與傳統(tǒng)的PCA算法對(duì)比可知,SIFT算法的確能在一定程度上提高識(shí)別效果,而在人臉再識(shí)別應(yīng)用中,正確識(shí)別率最高能有95%。而針對(duì)不同判別參數(shù)下所存在的錯(cuò)配情況,這里給出了一種基于眼分塊的SIFT視頻監(jiān)控人臉識(shí)別改進(jìn)算法。通過(guò)結(jié)合圖像預(yù)處理,該算法在特征提取后按照雙眼水平線將圖像劃分為上下兩部分,然后對(duì)不同區(qū)域的關(guān)鍵點(diǎn)進(jìn)行匹配,減少跨區(qū)域錯(cuò)誤對(duì)應(yīng)的情況。在SCface人臉庫(kù)中加以驗(yàn)證,該算法能避免眼上下區(qū)域的錯(cuò)配,增強(qiáng)了算法的準(zhǔn)確性。除此以外,為了提升識(shí)別效果,這里還提出了一種基于3D建模的SIFT單訓(xùn)練樣本視頻監(jiān)控人臉識(shí)別算法。該算法先利用二維高清正面人臉來(lái)生成對(duì)應(yīng)的三維人臉模型,然后再在該三維人臉空間里產(chǎn)生不同姿態(tài)的人臉模型,并由此獲得多張相應(yīng)姿態(tài)下的二維虛擬人臉圖像,最后利用原始正面樣本和所得到的虛擬人臉來(lái)構(gòu)筑訓(xùn)練人臉庫(kù)。該算法在SCface人臉庫(kù)中進(jìn)行實(shí)驗(yàn)驗(yàn)證以外,還自主建立了本實(shí)驗(yàn)室LABface視頻監(jiān)控人臉數(shù)據(jù)庫(kù)對(duì)算法加以驗(yàn)證。實(shí)驗(yàn)結(jié)果表明該算法能有效地提高SIFT在視頻監(jiān)控環(huán)境下人臉識(shí)別的應(yīng)用效果。
【關(guān)鍵詞】：SIFT 視頻監(jiān)控 人臉識(shí)別 應(yīng)用
【學(xué)位授予單位】：廣州大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2016
【分類(lèi)號(hào)】：TN948.6;TP391.41
【目錄】：

• 摘要4-5
• ABSTRACT5-9
• 第一章 引言9-23
• 1.1 研究背景與目的意義9-14
• 1.2 國(guó)內(nèi)外相關(guān)研究的發(fā)展現(xiàn)狀概述14-20
• 1.3 課題來(lái)源與本研究的主要工作20-21
• 1.4 本文敘述的組織架構(gòu)21-23
• 第二章 視頻監(jiān)控人臉識(shí)別存在的關(guān)鍵性問(wèn)題23-32
• 2.1 視頻監(jiān)控人臉特點(diǎn)分析23-27
• 2.2 人臉識(shí)別的一般流程步驟27-29
• 2.3 人臉圖像預(yù)處理29-32
• 第三章 SIFT算法理論實(shí)現(xiàn)及改進(jìn)算法設(shè)計(jì)32-49
• 3.1 SIFT算法實(shí)現(xiàn)流程32-33
• 3.2 SIFT特征提取及匹配33-42
• 3.3 改進(jìn)的基于眼分塊的SIFT視頻監(jiān)控人臉識(shí)別算法42-45
• 3.4 提出基于 3D建模的SIFT單樣本視頻監(jiān)控人臉識(shí)別算法45-49
• 第四章 SIFT在視頻監(jiān)控人臉識(shí)別中的應(yīng)用實(shí)驗(yàn)49-64
• 4.1 實(shí)驗(yàn)平臺(tái)條件49
• 4.2 SIFT算法的單訓(xùn)練樣本視頻監(jiān)控人臉識(shí)別49-53
• 4.3 SIFT算法的視頻監(jiān)控人臉再識(shí)別53-56
• 4.4 改進(jìn)的基于眼分塊的SIFT視頻監(jiān)控人臉識(shí)別56-59
• 4.5 基于 3D建模的SIFT單樣本視頻監(jiān)控人臉識(shí)別59-64
• 第五章 自建LABface視頻監(jiān)控人臉數(shù)據(jù)庫(kù)實(shí)驗(yàn)驗(yàn)證64-75
• 5.1 本實(shí)驗(yàn)室視頻監(jiān)控人臉數(shù)據(jù)庫(kù)LABface的建立64-69
• 5.2 LABface視頻監(jiān)控人臉數(shù)據(jù)庫(kù)人臉提取69-71
• 5.3 LABface視頻監(jiān)控人臉數(shù)據(jù)庫(kù)人臉識(shí)別實(shí)驗(yàn)71-75
• 第六章 結(jié)語(yǔ)75-78
• 6.1 研究結(jié)論75-76
• 6.2 未來(lái)展望76-78
• 參考文獻(xiàn)78-81
• 攻讀碩士學(xué)位期間所取得的科研成果81-82
• 致謝82

【參考文獻(xiàn)】

中國(guó)期刊全文數(shù)據(jù)庫(kù) 前9條

1 胡曉;廖啟欣;彭紹湖;;單訓(xùn)練樣本視頻監(jiān)控俯視人臉識(shí)別研究[J];廣州大學(xué)學(xué)報(bào)(自然科學(xué)版);2015年05期

2 劉海;曾東海;;基于字典學(xué)習(xí)的不同光照和姿態(tài)的人臉識(shí)別技術(shù)研究[J];科技通報(bào);2015年05期

3 龍超;;圖像超分辨率重建算法綜述[J];科技視界;2015年13期

4 黃凱奇;陳曉棠;康運(yùn)鋒;譚鐵牛;;智能視頻監(jiān)控技術(shù)綜述[J];計(jì)算機(jī)學(xué)報(bào);2015年06期

5 林玲;;基于部分遮擋人臉識(shí)別算法的研究[J];計(jì)算機(jī)仿真;2012年01期

6 蔣馨;;淺析國(guó)外智能視頻監(jiān)控技術(shù)的發(fā)展及應(yīng)用[J];中國(guó)安防;2011年10期

7 閆海琳;;“智慧”引領(lǐng)視頻監(jiān)控新時(shí)代[J];中國(guó)公共安全(綜合版);2011年10期

8 羅佳;石躍祥;段德友;;基于SIFT特征的人臉識(shí)別方法[J];計(jì)算機(jī)工程;2010年13期

9 周志銘;余松煜;張瑞;楊小康;;一種基于SIFT算子的人臉識(shí)別方法[J];中國(guó)圖象圖形學(xué)報(bào);2008年10期

  本文關(guān)鍵詞：SIFT在視頻監(jiān)控人臉識(shí)別中的應(yīng)用研究，，由筆耕文化傳播整理發(fā)布。

本文編號(hào)：262091