人臉識別技術在駕校考勤系統(tǒng)中的應用研究.pdf

1、隨著社會經(jīng)濟的快速發(fā)展以及生活水平的不斷提升，越來越多的人擁有私家車，駕校學車的學員也與日俱增。然而，在駕校的不斷壯大和發(fā)展過程中也出現(xiàn)了諸多問題，如學員培訓質(zhì)量得不到保證、學校辦學條件不規(guī)范等。由于沒有很好地監(jiān)管，很多駕培機構采用快速學車的方式來獲取駕駛證，以至于未能熟練掌握駕駛技術，給我國交通安全帶來了嚴重的安全隱患。解決以上問題最直接的方式是完善考勤系統(tǒng)，通過打考勤記錄培訓時數(shù)、駕駛距離等關鍵信息。本文針對駕?，F(xiàn)有指紋考勤系統(tǒng)存在

2、的學時造假及部分指紋檢測失效等問題，將人臉識別打考勤應用到駕校實際考勤中。但是，當前存在的人臉識別算法普遍存在識別率不高的問題，因此基于駕校人臉識別考勤算法的核心問題是如何提高識別率，使學員能夠更精準地打考勤。本文針對學員在小樣本范圍下（8人左右）對人臉識別算法進行改進，提高識別率，從而滿足考勤要求。因此，本文在分析研究已有算法的基礎上，重點對光照預處理、人臉檢測、以及人臉特征提取算法加以研究。
　　第一，針對經(jīng)典Retinex等

3、其他光照處理方法的缺點，本文在單尺度Retinex算法的基礎上改進，應用HSV-自適應Retinex算法對待檢測圖像進行光照增強處理。通過實驗驗證改進后算法的效果圖以及直方圖優(yōu)于傳統(tǒng)方法，證明了改進算法能夠更好的恢復圖像中人臉的相關信息，并為后面的人臉檢測打下了基礎。
　　第二，在進行光照預處理之后，針對經(jīng)典顏色空間及膚色模型方法的缺點，本文采用了一種橢圓高斯雙膚色模型與 Adaboost快速檢測算法相結(jié)合的人臉檢測算法。此算法選

4、擇在聚類性較好的YCgCr顏色空間對光照增強后的圖片進行橢圓高斯雙膚色建模，粗檢測出人臉區(qū)域。然后再利用形態(tài)學方法去除孤立膚色點以縮減檢測范圍，并運用Adaboost快速檢測算法實現(xiàn)人臉的精確定位，實現(xiàn)了雙膚色模型與 Adaboost快速檢測算法相結(jié)合，為后面人臉特征提取做好鋪墊。實驗數(shù)據(jù)顯示，該方法在檢測率、檢測時間等方面有所提高。實驗結(jié)果表明，改進后的人臉檢測算法可實現(xiàn)光照不均以及不同年齡下的人臉檢測，能夠快速且較為準確的檢測人臉。

5、
　　第三，在人臉部位確定出來之后，針對傳統(tǒng)人臉特征提取方法的缺點，本文采用線性判別分析法為具有128維的SIFT特征提取算法進行降維，之后再采用K-means聚類將人臉的關鍵點聚集在五官(如雙眼、鼻子、嘴角)等特征較為明顯的部位，刪除掉那些不必要的點，再進行相應的匹配，最終實現(xiàn)人臉的識別。
　　最后，經(jīng)過一年多的研究和實踐，本文對以上算法進行研究和改進，在 Matlab及VS2010平臺上設計并實現(xiàn)了整個人臉識別考勤系統(tǒng)。