視頻監(jiān)控中基于iOS平臺的人臉檢測與識別.pdf

1、iOS，即蘋果公司開發(fā)的移動操作系統(tǒng)，主要應用于iPhone手機、iPad平板等。現(xiàn)在越來越多的人在iOS平臺上聊天、上網(wǎng)、觀看視頻等等，iPhone已成為很多人的隨身必備物品。人臉與指紋、虹膜一樣與生俱來，具有唯一性和不易被復制性，是身份檢測的重要指標。人臉檢測與識別可以幫助視頻監(jiān)控實現(xiàn)智能化。再結(jié)合基于iOS的移動互聯(lián)網(wǎng)平臺，可以將監(jiān)控視頻通過無線網(wǎng)絡傳輸?shù)絠Phone手機或iPad平板，就可以在手機或平板上對監(jiān)控視頻進行實時的人臉

2、檢測與識別，既方便快捷又節(jié)約成本。
　　本文的工作主要包括以下四個方面：
　　(1)實現(xiàn)iOS平臺下監(jiān)控視頻的傳輸。首先利用攝像頭采集到視頻圖像，然后采用Flash Media Live Encoder對視頻進行編碼，并利用Flash Media Server作為服務器，通過HLS(HTTP Live Stream)協(xié)議將視頻流傳輸?shù)絠Phone上并顯示。
　　(2)實現(xiàn)監(jiān)控視頻的預處理。本文對視頻的預處理主要有視頻去

3、噪、直方圖均衡化以及白平衡。首先對視頻去噪，主要采用形態(tài)學濾波消除視頻中的椒鹽噪聲。接著對視頻進行直方圖均衡化，以增加圖像的對比度，有利于人臉檢測。最后通過完美反射法對視頻進行白平衡調(diào)整，從而削弱光照對人臉檢測帶來的的影響。預處理有助于人臉檢測的準確率以及提高人臉檢測的速度。
　　(3)實現(xiàn)改進Adaboost算法的人臉檢測。本文分析討論了Viola-Jones在2004年提出的基于Adaboost人臉檢測算法，并在iOS平臺下對

4、Viola-Jones人臉檢測算法提出了三點改進：首先提出了基于權值更新的Adaboost算法改進；然后后提出了基于查詢子窗口大小的Adaboost算法改進；最后通過膚色檢測來加快人臉檢測。
　　(4)實現(xiàn)改進LBP算法的人臉識別。首先采用Gabor變換實現(xiàn)多尺度、多方向的特征提取。然后通過改進的LBP算法提取紋理信息。最后通過 Fisherfaces算法實現(xiàn)向量投影并降維，并通過余弦相似度對圖像進行分類。實驗結(jié)果表明，該算法不僅