基于OpenCV的人脸跟踪识别系统研究

论文摘要

人脸在社会交往中扮演着十分重要的角色,是人类在确定一个人身份时所采用的最普通的生物特征,研究人脸跟踪识别及其相关技术具有十分重要的理论价值和应用价值。彩色图像序列的人脸检测、跟踪与识别技术是随着计算机技术的高速发展和视频监控等应用的需要在近几年才逐渐成为一个研究热点。本文着重构建一套人脸跟踪识别系统,致力于精确实时地对彩色视频中的人脸图像检测跟踪,并可以将跟踪到的人脸图片传输到识别端进行身份识别。系统分为客户端和服务器两部分。针对传统Camshift跟踪算法进行形态学处理、分配多个跟踪器等改进后的算法应用于客户端进行多人脸的跟踪。服务器端首先将人脸图像按其主要特征进行分块,再对分块图执行Eigenface算法实现人脸身份的识别。这套系统完成了对多人脸的跟踪效果,可广泛的应用于各种安防系统之中如：ATM机监控系统,门禁系统等。

论文目录

• 摘要
• Abstract
• 第一章 绪论
• 1.1 选题背景
• 1.2 人脸跟踪识别国内外研究进展
• 1.3 相关理论基础与应用领域
• 1.3.1 理论基础
• 1.3.2 应用领域
• 1.4 本文研究工作概述
• 第二章 人脸检测识别方法
• 2.1 人脸检测方法概述
• 2.1.1 基于特征分析的人脸检测方法
• 2.1.2 基于统计的人脸检测方法
• 2.1.3 本文采用的人脸检测方法—Adaboost
• 2.2 人脸识别方法概述
• 2.2.1 几种常用识别方法
• 2.2.2 本文采用的人脸识别方法—Eigenface算法
• 2.3 人脸检测难点及性能评估准则
• 2.4 本章小结
• 第三章 人脸跟踪算法
• 3.1 几种常用的人脸跟踪算法
• 3.2 本文采用的人脸跟踪方法—Camshift
• 3.2.1 图像的颜色概率分布图与反向投影图
• 3.2.2 Mean Shift算法
• 3.2.3 Camshift算法
• 3.2.4 算法实现流程及结果分析
• 3.3 本章小结
• 第四章 人脸跟踪识别算法的研究和系统的构建
• 4.1 识别算法改进方案
• 4.1.1 分块PCA原理
• 4.1.2 分块方法选择
• 4.1.3 分块实验结果
• 4.2 跟踪算法改进方案
• 4.2.1 自动初始化人脸跟踪窗口
• 4.2.2 利用形态学处理增强肤色信息
• 4.2.3 建立多个Camshift跟踪器
• 4.2.4 更新跟踪目标条件
• 4.2.5 多人脸跟踪实验结果
• 4.3 本章小结
• 第五章 基于OpenCV的人脸跟踪识别系统的实现
• 5.1 OpenCV简介及在本系统中的使用方法
• 5.2 人脸跟踪识别系统的实现
• 5.3 人脸跟踪识别系统的软件实现
• 5.4 本章小结
• 第六章 总结与展望
• 致谢
• 参考文献