基于視頻的人臉檢測(cè)與識(shí)別研究.pdf

1、生物特征識(shí)別利用人體固有的特征進(jìn)行身份驗(yàn)證,能夠極大程度提高驗(yàn)證的安全性,降低偽造和竊取的可能。其中,以人臉圖像為對(duì)象的人臉識(shí)別技術(shù)具有非接觸式識(shí)別、主動(dòng)性強(qiáng)、操作友好等優(yōu)點(diǎn),成為生物特征識(shí)別領(lǐng)域中新興的研究熱點(diǎn)。
　　 人臉識(shí)別包括人臉目標(biāo)檢測(cè)和人臉目標(biāo)識(shí)別兩個(gè)過(guò)程,其中人臉目標(biāo)檢測(cè)是人臉識(shí)別的必要前提。本文針對(duì)視頻圖像的檢測(cè)與識(shí)別問(wèn)題,利用視頻圖像的連續(xù)性,通過(guò)基于區(qū)域特征的方法實(shí)現(xiàn)人臉目標(biāo)的檢測(cè),并具有較高的檢測(cè)率。為滿(mǎn)足

2、系統(tǒng)實(shí)時(shí)性要求,研究并提出改進(jìn)的AdaBoost人臉檢測(cè)算法,平均檢測(cè)時(shí)間為110ms。在此基礎(chǔ)上,利用MeanShift算法和Kalman濾波器結(jié)合的人臉跟蹤方法對(duì)所檢測(cè)出的人臉目標(biāo)進(jìn)行跟蹤,實(shí)現(xiàn)目標(biāo)的唯一檢測(cè),進(jìn)一步提高系統(tǒng)的實(shí)時(shí)性。
　　 在人臉檢測(cè)的基礎(chǔ)上,本文提出綜合Fisher臉特征提取和支持向量機(jī)(SVM)分類(lèi)的人臉識(shí)別方法。首先對(duì)檢測(cè)出的人臉圖像通過(guò)離散小波變換和主成份分析進(jìn)行壓縮和降維處理,然后采用Fisher