光照波動(dòng)環(huán)境下人臉識(shí)別算法研究及其安卓平臺(tái)實(shí)現(xiàn).pdf

1、隨著近幾十年計(jì)算機(jī)技術(shù)的不斷發(fā)展，人臉識(shí)別技術(shù)取得了長(zhǎng)足的進(jìn)步。目前，己有產(chǎn)品往往是在近似于實(shí)驗(yàn)室的環(huán)境下，完成識(shí)別操作。對(duì)于自然環(huán)境下的光照不均、表情變化等一系列不利因素帶來的影響通用性較差，而對(duì)于在自然光照等環(huán)境下良好工作的人臉識(shí)別系統(tǒng)的需求卻日益旺盛。
　　近年來，很多企業(yè)和科研單位都推出了自己的人臉識(shí)別系統(tǒng)。但這些系統(tǒng)多數(shù)是針對(duì)某種的特定環(huán)境而開發(fā)的，很大程度上缺乏通用性。其主要原因是這些系統(tǒng)中的人臉識(shí)別算法對(duì)光照變化和姿

2、態(tài)變化非常敏感。因此，對(duì)人臉檢測(cè)與識(shí)別技術(shù)進(jìn)一步研究是非常有必要的。
　　1.一般而言，人臉識(shí)別系統(tǒng)包括圖像預(yù)處理、人臉檢測(cè)和人臉識(shí)別三個(gè)部分。預(yù)處理環(huán)節(jié)中去光照是一個(gè)很重要的組成部分。在諸多光照不均的補(bǔ)償算法當(dāng)中，基于Retinex理論的諸多衍生算法受到的人們的關(guān)注。在此基礎(chǔ)上，本文提出一種改進(jìn)的自適應(yīng)多尺度Retinex算法。同時(shí)，對(duì)該算法的有效性進(jìn)行驗(yàn)證，充分證明本文提出的改進(jìn)的自適應(yīng)多尺度的Retinex算法的有效性和良好

3、的魯棒性。
　　2.研究了基于膚色模型和Adaboost算法的人臉檢測(cè)理論。采用一種多階段的人臉檢測(cè)方法。首先利用膚色模型進(jìn)行人臉預(yù)檢測(cè)，找到圖像中可能出現(xiàn)人臉的大概區(qū)域，然后再利用Adaboost算法在預(yù)檢測(cè)區(qū)域進(jìn)行精確的人臉檢測(cè)，這樣可以極大地提高Adaboost算法的效率。
　　3.研究了基本的LBP算子、LBP的相關(guān)模式以及基于分塊LBP的人臉識(shí)別算法，分析了分塊大小對(duì)人臉識(shí)別率的影響。針對(duì)LBP算子本身還不夠完善，

4、提取的特征不夠完整的問題，研究并實(shí)現(xiàn)了基于改進(jìn)的LBP人臉識(shí)別算法。
　　4.基于理論聯(lián)系實(shí)際的思想，綜合上述的人臉識(shí)別知識(shí)，深入學(xué)習(xí)了Android系統(tǒng)架構(gòu)，搭建了Android應(yīng)用層和本地層的開發(fā)環(huán)境，根據(jù)平臺(tái)特性設(shè)計(jì)了軟件開發(fā)方案，并將人臉識(shí)別算法庫(kù)移植到了Android平臺(tái)中，在Android系統(tǒng)手機(jī)中完成圖像采集、人臉檢測(cè)和人臉識(shí)別等功能。最后使用華為3C手機(jī)進(jìn)行了實(shí)測(cè)，測(cè)試結(jié)果表明該系統(tǒng)有較高的正確率和實(shí)時(shí)性，實(shí)現(xiàn)了實(shí)

5、時(shí)的人臉識(shí)別功能，這也驗(yàn)證了算法的正確性。實(shí)驗(yàn)使用了自建人臉數(shù)據(jù)庫(kù)進(jìn)行了測(cè)試，采用每個(gè)人在不同的環(huán)境和姿態(tài)下進(jìn)行十次人臉識(shí)別的測(cè)試，識(shí)別率達(dá)到了83.5％，平均用時(shí)為93.3ms，這在視覺體驗(yàn)上還是比較順暢的。
　　系統(tǒng)整體上達(dá)到了本課題研究的目的，但仍有許多值得改進(jìn)的地方。如本文只考慮了光照變化對(duì)人臉識(shí)別的影響，而實(shí)際環(huán)境中，姿態(tài)變化也是影響人臉識(shí)別準(zhǔn)確率的一大因素。還可以進(jìn)一步考慮提高人臉圖像數(shù)據(jù)庫(kù)的安全性，防止第三方不法分子