基于人脸识别的门禁系统研究

论文摘要

在过去的几十年当中,人脸检测与人脸识别技术虽然取得了长足的进步,但依然没有解决其在实际应用过程中的核心问题。原因在于（1）人脸检测算法本身比较耗时,从而使得整个人脸识别系统无法满足实际应用中实时性的要求；（2）现有的人脸识别算法普遍具有训练集合的高维性和小样本性；（3）人脸特征的类内变化有时候要大于类间变化；（4）缺乏高效的人脸特征描述及相应的高精度核心识别算法；（5）如何提高人脸识别系统不可避免的误配准错误的鲁棒性问题；另外,实际应用过程中的相机成像质量、算法执行效率、环境光照剧烈变化等都是不可忽略的问题。本文我们详细讨论了上述问题,并提出了相应的解决办法。论文首先对人脸检测、人脸识别领域的发展历史及最近几年的发展现状做了简单的介绍。接着,文章介绍了基于haar特征及AdaBoost级联分类器的人脸检测算法,并对算法的计算量、运行效率进行分析。同时,从运动检测和边缘方向匹配两方面对现有的人脸检测方法进行改进,减少了计算量,提高了算法的运行效率。接着,文章对最近几年比较流行的Gabor特征提取方法进行了详细的介绍,并提出采用Gabol-Sobel与LTP相结合的方法进行人脸特征提取工作。通过比较发现,改进后的方法相比原来的Gabor特征提取方法具有类内聚集性好、类间分散性大的特点,从而更有利于最终的特征分类和判别。之后,文章详细阐述了对有限样本进行学习分类的经典分类器-SVM。同时,对提高分类器性能的重采样技术boosting算法进行了深入的剖析,并在此基础上,提出将boosting重采样算法与SVM相结合的方法,在减少小样本性干扰的同时,提高了分类器的分类判别能力。另外,文章还提出通过扰动人脸面部定位精度来生成多张虚拟人脸,从而增加了训练样本,提高了系统对误配准的鲁棒性。最后,本文在上述人脸检测、人脸识别改进算法的基础上设计了一套基于人脸识别的门禁系统,并详细介绍了系统的组织结构图,各个子模块的架构,系统的优缺点等。

论文目录

• 摘要
• Abstract
• 第1章 绪论
• 1.1 课题的研究背景及意义
• 1.1.1 生物识别技术
• 1.1.2 生物识别的过程
• 1.2 人脸检测技术概述
• 1.2.1 人脸检测技术的国内外现状
• 1.2.2 人脸检测技术的难点和研究意义
• 1.3 人脸识别技术概述
• 1.3.1 人脸识别技术的国内外现状
• 1.3.2 人脸识别技术的难点和研究意义
• 1.4 人脸检测方法分类
• 1.4.1 基于颜色特征的方法
• 1.4.2 基于知识的方法
• 1.4.3 基于统计的方法
• 1.5 人脸识别方法分类
• 1.5.1 基于几何特征的方法
• 1.5.2 基于模板匹配的方法
• 1.5.3 基于概率统计的方法
• 1.6 本文的研究内容及组织结构
• 1.6.1 本文主要研究内容
• 1.6.2 本文组织安排
• 第2章 用于人脸检测的haar特征及积分图
• 2.1 haar-like矩形特征
• 2.1.1 原始haar-like特征
• 2.1.2 扩展haar-like特征
• 2.1.3 矩形特征的表示
• 2.2 积分图像
• 2.2.1 原始矩形特征积分图
• 2.2.2 扩展矩形特征积分图
• 第3章 AdaBoost人脸检测
• 3.1 AdaBoost学习算法
• 3.2 级联分类器
• 3.3 人脸检测算法性能分析
• 3.4 本文对人脸检测算法的改进
• 3.4.1 运动区域检测
• 3.4.2 利用改进的EOM算法进行人脸预检测
• 第4章 基于Gabor算法的人脸特征提取
• 4.1 Gabor滤波器简介
• 4.2 本文对Gabor人脸特征提取算法的改进
• 4.2.1 采用Gabor-Sobel算子代替Gabor变换
• 4.2.2 对Gabor变换的实部虚部均提取特征
• 4.2.3 利用LTP代替LBP算子进行纹理特征提取
• 第5章 基于SVM和boosting的人脸识别分类器设计
• 5.1 支持向量机SVM的基本原理
• 5.2 boosting的基本原理
• 5.3 本文对SVM分类方法的改进
• 第6章 ICU人脸识别门禁系统软件功能介绍
• 6.1 集成开发环境QT Creater介绍
• 6.2 开源计算机视觉库OpenCV介绍
• 6.3 ICU系统整体结构
• 6.4 ICU硬件系统
• 6.5 ICU软件系统
• 6.5.1 视频模块
• 6.5.2 人脸检测模块
• 6.5.3 人脸识别模块
• 6.5.4 系统设置模块
• 第7章 结论与展望
• 致谢
• 参考文献
• 攻读硕士学位期间发表的学术论文