自动人脸识别技术研究及其在人员身份认证系统中的实现.docVIP

自动人脸识别技术研究及其在人员身份认证系统中的实现 【摘要】：自动人脸识别技术(AFR)是一项极具挑战性的前沿研究课题。它试图通过计算机分析人脸图像并从中提取有效识别信息，达到辨认人员身份的目的。对AFR技术的研究不仅具有重大的理论和学术研究意义，而且具有潜在的巨大应用价值。经过近几十年特别是近几年来的研究，自动人脸识别技术已经取得了长足发展，用于人脸识别商业系统已经面市，但对应用条件的限制相当严格；在非理想可控情况下的自动人脸识别技术还远未达到实用化的程度，有很多研究工作要做。本文作为上海市应用材料科技国际合作共同计划(上海市科委AM基金)项目(《基于ARM和RFID芯片的自组织安全监控系统的研制》编号：0512)的主要研究内容之一，从构建自动人脸识别系统需要解决的若干关键问题入手，重点探讨了实时人脸检测与跟踪、面部关键特征定位、高效的人脸特征描述、鲁棒的人脸识别分类器及自动人脸识别系统设计等问题。1、提出了结合肤色校验的Haar特征级联分类器实时人脸检测算法(SCC-HCC)和基于人脸约束的人脸实时跟踪算法(AM-CamShift)人脸检测是自动人脸识别系统首先需要解决的关键问题。Viola于2001年提出的基于Haar特征级联强分类器的人脸检测算法，通过抽取人脸的Haar特征训练分类器，达到人脸检测的目的，但由于其仅仅利用了人脸的灰度信息，没有考虑人脸的肤色分布，因而对复杂背景中类人脸结构的物体对象区分的鲁棒性较差。鉴于此，论文第三章提出了基于肤色模型校验和Haar特征级联强分类器的快速人脸检测算法(SCC-HCC)。人脸跟踪是基于视频的人脸识别、视频监控等典型应用中必不可少的环节，CamShift算法对于目标物体的跟踪具有较强的鲁棒性，但其存在跟踪窗口(TrackingWindow)必须通过手工标定的缺陷，而且对背景中类肤色区域的鲁棒性欠佳。我们在CamShift算法的基础上提出了基于人脸约束的实时跟踪算法(AM-CamShift)，实现了跟踪窗口自动标定及多目标的快速自动跟踪，有效提高了对背景中类肤色区域的鲁棒性。2、针对传统线性判别分析法存在的小样本问题(SSS)，通过调整Fisher判别准则，实现了自适应线性判别分析(A-LDA)算法，提出了基于A-LDA算法的分类判决准则及相应的人脸识别方法【关键词】：自动人脸识别技术FVRT人脸检测人脸跟踪人脸识别主元分析自适应线性判别分析KFR-GaborMR-Gabor人眼检测瞳孔定位支持向量机主动形状模型主动外观模型AFR应用系统设计 【学位授予单位】：华东师范大学 【学位级别】：博士 【学位授予年份】：2006 【分类号】：TP391.41 【目录】：中文摘要23-27Abstract27-31目录31-37图表目录37-41第一章绪论41-651.1生物特征识别技术41-451.1.1指纹识别42-431.1.2虹膜识别431.1.3人脸温谱图识别43-441.1.4声纹识别441.1.5耳廓识别44-451.2自动人脸识别技术45-461.3人脸识别研究的意义46-481.4人脸生物特征识别的优势与困难48-491.4.1人脸识别的优势481.4.2人脸识别的困难48-491.5AFR研究简史及现状分析49-511.5.1人脸识别研究简史49-511.5.2国内研究现状511.6人脸识别评测体系51-551.6.1人脸图像数据库51-521.6.2评测方案52-551.7本文主要贡献及组织结构55-601.7.1本文主要贡献55-581.7.2研究思路与组织结构58-60参考文献60-65第二章人脸识别技术研究综述65-832.1人脸检测与定位65-702.1.1基于特征的方法65-662.1.2基于肤色检测的方法66-672.1.3基于模板匹配的方法672.1.4基于统计学习的方法67-692.1.5实时人脸检测的转折点69-702.2人脸识别的主要技术方法70-732.2.1人脸子空间法70-712.2.2局部特征匹配712.2.3混合方法71-732.3人脸识别商业系统简介73-742.4人脸识别系统若干关键技术问题74-762.4.1光照变化742.4.2姿态变化74-752.4.3人脸图像获取质量752.4.4人脸老化752.4.5化妆与整容75-762.5本章小结76参考文献76-83第三章人脸检测与跟踪83-1033.1引言83-843.2Haar函数及Haar变换84-863.2.1Haar函数系定义843.2.2Haar变换843.2.3人脸Haar特征抽取84-863.3人脸类Haar特征快速算法86-873.4AdaBoost级联分类器87-943.4.1弱分类器883.4.2强分类器88-913.4.3级联强分类器91-923.4.4特征缩