人脸识别技术及其在汽车防盗中的应用

论文摘要

人脸识别是机器视觉和模式识别领域最富有挑战性的课题之一,同时也具有广泛的应用意义。它覆盖了数字图像处理、模式识别、计算机视觉、神经网络、心理学、生理学、数学等诸多学科的内容。在研究机构和实验室中的理论及算法研究陆续取得重大进展的同时,如何把人脸检测识别技术从实验室转移出来,让高科技服务社会是非常有意义的一种实践。本文将人脸识别技术与汽车防盗技术相结合,提出一种基于人脸识别技术的汽车防盗系统,该系统硬件部分以Texas Insmmaent（TI）公司的多媒体芯片TMS320DM6446为主控芯片。该芯片采用最新的Davinci技术,在一个芯片封装内集成了ARM嵌入式处理器内核与C64x+数字信号处理器内核,提高了系统运行的效率,嵌入式处理芯片为外设提供了标准的设备驱动,节约了开发成本和难度。本文主要研究的内容有:（1）人脸图像预处理技术:主要是对采集到的人脸图像进行各种处理,如人脸图像光线补偿、人脸图像灰度变换、人脸图像高斯平滑处理、人脸图像二值化等。（2）基于人脸识别的汽车防盗系统的设计:主要介绍基于DM6446的人脸图像采集平台的设计。（3）基于Adaboost算法的人脸检测技术研究:主要介绍Adaboost人脸检测算法,及用VC++的具体实现过程。（4）基于PCA的人脸识别技术研究:主要介绍PCA的人脸识别技术,及用MATLAB7.0实现。

论文目录

• 摘要
• Abstract
• 致谢
• 第一章 绪论
• 1.1 人脸识别技术的现状和意义
• 1.2 智能汽车防盗技术发展和现状
• 1.3 人脸识别在汽车防盗上的应用前景
• 1.4 本文研究的内容及重点
• 第二章 人脸图像预处理技术
• 2.1 数字图像处理技术概述
• 2.2 数字图像常见的格式
• 2.3 人脸图像预处理技术
• 2.3.1 光线补偿
• 2.3.2 灰度变化
• 2.3.3 人脸图像高斯平滑滤波
• 2.3.4 图像二值化
• 2.4 人脸图像预处理结果
• 第三章 基于DM6446 的人脸识别系统的硬件设计
• 3.1 基于人脸识别的汽车防盗系统总体框图
• 3.2 基于 DM6446 的人脸图像采集平台的设计
• 3.2.1 VCM6446 介绍
• 3.2.2 DM6446-ARM 子系统
• 3.2.3 DM6446-DSP 子系统
• 3.2.4 双处理器的协同工作
• 3.2.5 图像采集平台视频子系统
• 3.2.5.1 图像编解码芯片介绍
• 3.2.5.2 图像采集前端模块（VPFE）
• 3.2.5.3 图像后端模块（VPBE）
• 第四章 基于Adaboost算法的人脸检测的研究
• 4.1 图像矩形特征与积分图值
• 4.1.1 人脸图像矩形特征
• 4.1.2 积分图值与特征值计算
• 4.2 Adaboost训练算法介绍
• 4.2.1 弱分类器特性
• 4.2.2 强分类器特性
• 4.3 级联分类器特性
• 4.4 人脸检测过程
• 第五章 基于PCA 的人脸识别算法的研究
• 5.1 引言
• 5.2 PCA 的理论基础
• 5.2.1 投影向量
• 5.2.2 PCA 的作用及其统计特性
• 5.2.3 特征脸
• 5.2.4 奇异值分解（SVD）
• 5.2.5 利用小矩阵计算大矩阵特征向量
• 5.2.6 图片归一化
• 5.3 用 PCA 算法进行人脸识别
• 5.3.1 PCA 算法简介
• 5.3.2 基于特征脸的人脸识别算法
• 5.3.2.1 建立人脸特征模板
• 5.3.2.2 人脸图像识别过程
• 第六章 人脸识别软件设计
• 6.1 引言
• 6.2 人脸识别软件详细设计
• 6.2.1 人脸检测软件详细设计
• 6.2.2 人脸识别软件详细设计
• 6.3 人脸识别软件实现与实验结果
• 6.3.1 OPENCV 安装
• 6.3.2 人脸检测软件实现
• 6.3.2.1 视频类的构建
• 6.3.2.2 人脸图像处理类的构建
• 6.3.2.3 人脸检测的结果
• 6.3.3 人脸识别软件的实现与结果
• 6.4 人脸识别软件的移植
• 第七章 总结与展望
• 参考文献
• 硕士阶段撰写的论文
• 附件一
• 附件二
• 附件三