本文關(guān)鍵詞：人臉檢測與跟蹤在視頻監(jiān)控中的應(yīng)用研究

  更多相關(guān)文章： 人臉檢測 視頻監(jiān)控 AdaBoost 支持向量機(jī) 線性判別分析算法

【摘要】：隨著信息技術(shù)的發(fā)展,基于生物特征的人臉識別應(yīng)用領(lǐng)域非常廣泛。鑒于人們對人臉識別的要求不斷提高,越來越多的學(xué)者進(jìn)行了更深層次的人臉檢測相關(guān)研究和探索。探索人臉檢測更為有效的方法,是視頻監(jiān)控技術(shù)走向?qū)嵱没仨毥鉀Q的一個關(guān)鍵問題,它經(jīng)歷了從最初的檢測靜態(tài)圖像到實時視頻的檢測的過程。人臉檢測干擾因素很多,其檢測算法都存在計算量大、速度慢以及檢測準(zhǔn)確率低等不足。在人臉檢測方面,用得比較多的是AdaBoost方法,AdaBoost方法具備很多優(yōu)勢,也存在一些不足。在試驗中發(fā)現(xiàn),盡管它可以檢測實時視頻,但在復(fù)雜的戶外場景下,其人臉檢測率還不夠高,人臉檢測準(zhǔn)確率偏低,經(jīng)常會出現(xiàn)錯誤檢測、漏檢測和重復(fù)檢測的現(xiàn)象,把該方法應(yīng)用于人臉檢測還需要進(jìn)一步的研究和改進(jìn)。利用膚色信息來進(jìn)行人臉檢測不失為一種行之有效的方法。不過,在利用膚色進(jìn)行的人臉檢測法中,還無法擺脫外在環(huán)境帶來的技術(shù)難題,膚色檢測法也并不適合作為人臉檢測的主要方法,僅能作為輔助性手段幫助識別人臉檢測和跟蹤。本文提出了一種Boost2-SVM算法,充分利用了AdaBoost的檢測優(yōu)勢和支持向量機(jī)的學(xué)習(xí)泛化能力,結(jié)合了兩種算法的優(yōu)點,實驗結(jié)果表明,改進(jìn)后的算法,能切實提高人臉識別的精度。本文還提出了一種基于擴(kuò)展二維線性判別分析方法的人臉識別算法。通過擴(kuò)充人臉樣本,提高了人臉識別的性能。同時在視頻監(jiān)控的實際應(yīng)用環(huán)境中進(jìn)行了仿真,通過仿真結(jié)果可以發(fā)現(xiàn),本文改進(jìn)后的算法在性能上和人臉識別精確度方面有了較大的提高。本文采用VC6.0編程語言,設(shè)計了人臉檢測和跟蹤系統(tǒng)。在實際測試過程中,實現(xiàn)了復(fù)雜背景下快捷進(jìn)行人臉檢測和跟蹤。較傳統(tǒng)技術(shù)糾錯效果優(yōu)勢顯著,檢測率高,錯檢率低。實驗結(jié)果表明,采用了新算法的系統(tǒng)具有實時性、準(zhǔn)確性特點。
【關(guān)鍵詞】：人臉檢測 視頻監(jiān)控 AdaBoost 支持向量機(jī) 線性判別分析算法
【學(xué)位授予單位】：集美大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2015
【分類號】：TP391.41
【目錄】：

• 摘要4-5
• Abstract5-10
• 第1章 緒論10-13
• 1.1 研究背景和研究意義10
• 1.2 研究的主要內(nèi)容10-11
• 1.2.1 人臉檢測及算法10-11
• 1.2.2 基于支持向量機(jī)的AdaBoost算法改進(jìn)研究11
• 1.2.3 改進(jìn)基于模塊化 2D-LDA的人臉識別算法11
• 1.3 創(chuàng)新點11
• 1.4 研究方法11-13
• 第2章 相關(guān)技術(shù)及研究綜述13-19
• 2.1 人臉識別技術(shù)13-14
• 2.1.1 五官規(guī)則13
• 2.1.2 輪廓規(guī)則13
• 2.1.3 中分規(guī)則13-14
• 2.2 人臉檢測途徑14-17
• 2.2.1 人臉檢測簡介14
• 2.2.2 常用的人臉檢測方法14-17
• 2.3 國內(nèi)外研究現(xiàn)狀17-19
• 2.3.1 國外的發(fā)展概況17
• 2.3.2 國內(nèi)的發(fā)展概況17-19
• 第3章 視頻監(jiān)控中人臉識別及跟蹤的應(yīng)用19-33
• 3.1 系統(tǒng)功能需求19
• 3.2 人臉檢測的功能模塊設(shè)計19-20
• 3.2.1 圖像獲取模塊20
• 3.2.2 圖像預(yù)處理模塊20
• 3.2.3 人臉區(qū)域獲取20
• 3.2.4 人臉定位模塊20
• 3.2.5 特征提取模塊20
• 3.2.6 識別模塊20
• 3.3 系統(tǒng)實現(xiàn)步驟及圖像處理20-29
• 3.3.1 檢測跟蹤的實現(xiàn)步驟20-22
• 3.3.2 圖像的取得22-24
• 3.3.3 人臉數(shù)據(jù)的處理24-29
• 3.4 實時跟蹤效果29-32
• 3.4.1 人臉跟蹤介紹29-30
• 3.4.2 人臉跟蹤的實現(xiàn)方法30-31
• 3.4.3 人臉跟蹤的實驗結(jié)果31-32
• 3.4.4 對人臉跟蹤存在問題的處理32
• 3.5 本章小結(jié)32-33
• 第4章 基于模塊化 2D-LDA人臉識別算法的改進(jìn)33-41
• 4.1 基于PCA的人臉識別算法概述33-35
• 4.2 本文的人臉識別算法35-37
• 4.2.1 人臉識別的改進(jìn)35-36
• 4.2.2 改進(jìn)算法在視頻監(jiān)控系統(tǒng)中的應(yīng)用36-37
• 4.3 基于模塊化 2D-LDA的人臉識別算法實驗37-39
• 4.3.1 人臉數(shù)據(jù)庫樣本37
• 4.3.2 人臉樣本的擴(kuò)充37-38
• 4.3.3 視頻識別效果38-39
• 4.4 本章小結(jié)39-41
• 第5章 基于AdaBoost學(xué)習(xí)算法的改進(jìn)41-59
• 5.1 AdaBoost學(xué)習(xí)算法41-43
• 5.1.1 算法的原理41-42
• 5.1.2 算法討論42-43
• 5.2 積分圖像43-47
• 5.2.1 矩形特征43-44
• 5.2.2 積分圖44-45
• 5.2.3 級聯(lián)分類器45-47
• 5.3 基于AdaBoost人臉檢測算法的改進(jìn)47-53
• 5.3.1 支持向量機(jī)47-49
• 5.3.2 對AdaBoost算法的改進(jìn)49-53
• 5.4 改進(jìn)后的算法在視頻監(jiān)控中的測試實驗結(jié)果53-57
• 5.4.1 改進(jìn)前人臉檢測與跟蹤實驗結(jié)果及數(shù)據(jù)53-55
• 5.4.2 改進(jìn)后人臉檢測與跟蹤實驗結(jié)果及數(shù)據(jù)55-57
• 5.5 本章小結(jié)57-59
• 結(jié)束語59-61
• 致謝61-62
• 參考文獻(xiàn)62-64
• 在校期間發(fā)表的學(xué)術(shù)論文64

【相似文獻(xiàn)】

中國期刊全文數(shù)據(jù)庫 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[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方法在人臉檢測中的比較研究[J];微計算機(jī)信息;2009年24期

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

6 李印;;基于AdaBoost的行人檢測研究與實現(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異常值檢測應(yīng)用[J];淮海工學(xué)院學(xué)報(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人臉檢測方法[J];自動化與儀器儀表;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(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[J];計算機(jī)工程;2004年04期

中國重要會議論文全文數(shù)據(jù)庫 前10條

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

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

3 郭翌;汪源源;;基于Adaboost算法的頸動脈粥樣硬化判別方法[A];中國儀器儀表學(xué)會第十一屆青年學(xué)術(shù)會議論文集[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中的應(yīng)用[A];2007年中國智能自動化會議論文集[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[A];中國化學(xué)會第26屆學(xué)術(shù)年會化學(xué)信息學(xué)與化學(xué)計量學(xué)分會場論文集[C];2008年

6 陳宏偉;劉建偉;費向東;;一種半監(jiān)督環(huán)境下的Adaboost算法[A];2008'中國信息技術(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];第十四屆全國圖象圖形學(xué)學(xué)術(shù)會議論文集[C];2008年

8 張彬;金連文;;基于AdaBoost的手寫體漢字相似字符識別[A];第二十六屆中國控制會議論文集[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)險評估[A];2012管理創(chuàng)新、智能科技與經(jīng)濟(jì)發(fā)展研討會論文集[C];2012年

中國博士學(xué)位論文全文數(shù)據(jù)庫 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?人眼注視點估計方法的研究[D];南開大學(xué);2013年

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

中國碩士學(xué)位論文全文數(shù)據(jù)庫 前10條

1 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

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

3 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

4 張恒;基于近紅外圖像的疲勞駕駛檢測研究與系統(tǒng)實現(xiàn)[D];長安大學(xué);2015年

5 朱弘揚;多規(guī)則Adaboost算法及其應(yīng)用研究[D];大連海事大學(xué);2016年

6 梁振華;基于Adaboost與光流法的嘴唇動作獲取系統(tǒng)的實現(xiàn)[D];南京大學(xué);2014年

7 韋洪喜;司機(jī)防疲勞駕駛系統(tǒng)研究[D];安徽理工大學(xué);2016年

8 周業(yè)勇;基于改進(jìn)LBP和AdaBoost的人臉識別技術(shù)研究[D];河南理工大學(xué);2015年

9 陳曉念;基于視覺的避雷器識別與跟蹤算法研究[D];廣東工業(yè)大學(xué);2016年

10 寧娟;基于AdaBoost和色彩信息的臉部特征定位[D];華東師范大學(xué);2016年

，

本文編號：807427