网络监控系统中人脸检测和识别技术的研究

论文摘要

当今,人脸检测与识别的研究涉及许多领域,与计算机人机交互领域和基于其他生物特征的身份鉴别方法都有着密切联系。这项技术已经广泛应用在工作、生活中的各个领域,尤其是安全领域,使得人脸的检测与识别技术成为当前研究领域的一个热点和重点。本课题主要研究了网络视频监控系统中人脸检测与识别的基本理论和关键技术,主要研究工作包括以下几个方面：(1)在原有YCbCr的肤色检测算法的基础上做了改进,并利用视频序列前序帧的肤色检测结果和结合肤色知识规则简化肤色运算的方法,以及使用在二值化图像中改进的中值滤波方法简化了肤色检测结果去噪的算法,提出了一种新的实现一个基于YCbCr色彩空间快速的检测视频帧中肤色区域的算法。(2)在肤色检测的基础上使用二值化肤色模板匹配来实现人脸的检测的方法。结合肤色检测和模板匹配实现视频监控中的实时人脸检测。(3)使用OpenCv实现基于AdaBoost的人脸检测算法,实现了一个在实时获取的监控视频中检测人脸位置的算法。(4)构建了面向办公室环境的基于人脸检测识别的智能考勤系统。在办公室视频监控环境下,实现了无须人为干预、完全自动监视的自学习考勤记录功能。

论文目录

• 摘要
• Abstract
• 1 绪论
• 1.1 引言
• 1.2 选题背景和意义
• 1.3 当前人脸检测与识别的概况
• 1.3.1 人脸检测
• 1.3.2 人脸识别
• 1.4 论文的主要研究内容
• 1.5 论文的结构安排
• 2 人脸检测与识别技术概述
• 2.1 人脸检测概述
• 2.2 人脸检测分类
• 2.2.1 基于知识的方法
• 2.2.2 特征不变的方法
• 2.2.3 模板匹配的方法
• 2.2.4 基于外观的方法
• 2.2.5 结论
• 2.3 人脸识别概述
• 2.4 人脸识别方法分类
• 2.4.1 静态图像人脸识别
• 2.4.2 动态人脸识别
• 2.4.3 三维人脸识别
• 2.4.4 结论
• 2.5 本章小结
• 3 视频监控下的人脸检测
• 3.1 研究现状与难点
• 3.2 监控系统中人脸检测检测方法
• 3.2.1 Adaboost方法
• 3.2.2 基于肤色的二阶高斯混合模型
• 3.2.3 监控系统中人脸检测方法
• 3.3 本章小结
• 4 基于局部特征分析与最优化匹配的人脸识别
• 4.1 概述
• 4.2 算法
• 4.2.1 图像预处理
• 4.2.2 人脸图像特征点定位
• 4.2.3 利用Gabor小波提取人脸局部的多尺度特征
• 4.2.4 局部特征的最优化匹配
• 4.2.5 人脸匹配识别
• 4.3 实验结果和结论
• 4.4 本章小结
• 5 基于人脸检测识别的智能考勤系统
• 5.1 监控系统发展概况
• 5.2 基于人脸检测识别技术的智能考勤系统
• 5.2.1 系统定义及设计目标
• 5.2.2 系统结构组成及设计
• 5.2.3 系统模块分析和关键技术
• 5.2.4 系统界面及运行效果
• 5.3 本章小结
• 6 总结与展望
• 6.1 论文总结
• 6.2 工作展望
• 参考文献
• 个人简历 攻读硕士学位期间发表的学术论文与研究成果
• 致谢