跨攝像頭人臉檢測與識別算法研究.pdf

1、當(dāng)下國際局勢不穩(wěn)定，各國越來越重視安防問題。2016年9月，中國舉辦的G20峰會稱之為“史上最嚴G20峰會”，特別采用了人臉識別技術(shù)對重點區(qū)域做了安防布控，來保障會議順利進行。日常生活中，人們也越來越重視安全問題，攝像頭遍及大街小巷，公安機關(guān)打造“天網(wǎng)監(jiān)控系統(tǒng)”，為城市的治安做出強有力保障。智能化時代的到來，傳統(tǒng)的人工手動處理監(jiān)控視頻的模式很難適應(yīng)現(xiàn)在的需求，人們正在逐步實現(xiàn)真正的智能監(jiān)控系統(tǒng)。
　　本文搭建了一個跨攝像頭人臉檢測

2、與識別系統(tǒng)，該系統(tǒng)實現(xiàn)了對不同攝像頭中出現(xiàn)的相同人臉進行檢測與識別，并且對動態(tài)的人臉進行跟蹤。系統(tǒng)主要包含三大部分：獨立攝像頭的人臉檢測部分、獨立攝像頭的人臉跟蹤部分和跨攝像頭的人臉識別部分。文章重點對系統(tǒng)中算法的改進做了研究。在獨立攝像頭人臉檢測部分，采用了逐步縮小檢測范圍以達到最終檢測的思路，第一步對出現(xiàn)的目標進行運動檢測，檢測出人體區(qū)域，第二步通過人體的膚色特征作為檢測依據(jù)進一步定位出人體的膚色區(qū)域。第三步用AdaBoost算法實

3、現(xiàn)對人臉的檢測，通過這樣的人臉檢測方法不但提升了正檢率，而且有效降低了漏檢率；在獨立攝像頭人臉跟蹤部分，優(yōu)化了CamShift算法對人臉的實時跟蹤，在算法中加入了Kalman預(yù)測機制，改善了被遮擋目標的跟蹤效果。通過實驗表明二者相結(jié)合可以更準確的對目標進行跟蹤；在跨攝像頭目標識別部分，本文采用了Gabor小波和PCA相融合的方法來完成對人臉圖像的識別任務(wù)，這種算法首先利用Gabor濾波器提取跟蹤到的人臉圖像的特征，雖然Gabor算法可以

4、很好地提取到有效的人臉特征信息，卻導(dǎo)致結(jié)果產(chǎn)生了很多冗余特征，大大增加了計算量。PCA算法能有效的對數(shù)據(jù)進行降維，二者相結(jié)合，可實現(xiàn)有效提取人臉圖像特征而且能對特征數(shù)據(jù)進行降維，降低計算量。
　　本文所搭建的跨攝像頭人臉檢測與識別系統(tǒng)，用于復(fù)雜情景下獲取人臉信息并在其他攝像頭上完成人臉的識別。完成了在不同區(qū)域動態(tài)背景下對人臉的檢測、跟蹤和識別的功能。經(jīng)過系統(tǒng)功能測試，實驗結(jié)果表明本文搭建的跨攝像頭人臉檢測與識別系統(tǒng)功能完整，準確率