基于VC__net和OPENCV的身份识别系统开发.docVIP

基于VC__net和OPENCV的身份识别系统开发 本文由i5problem贡献 pdf文档可能在WAP端浏览体验不佳。建议您优先选择TXT，或下载源文件到本机查看。 研究与开发 基于 VC++.net 和 OPENCV 的身份识别系统开发 梁 艳1 田 斐2 崔世林 2 473004) (1. 上海工程技术大学,上海 200051;2. 南阳理工学院,河南 南阳 摘要 首先使用 Adaboost 方法检测到视频流中的人脸,然后将 SIFT 特征提取算法应用到人 脸特征的提取环节中,提取出人脸的旋转,缩放,平移和光照不变性 SIFT 特征.通过将检测到的 人脸的 SIFT 特征和人脸库中的人脸 SIFT 特征进行匹配,找出匹配程度最大的对应的类别,即为 匹配结果.整个系统用 Visual C++.net 2008 和 OPENCV 开发. 关键词:SIFT;身份识别;FAR;Adaboost;视频流 The Development of Identity Recognition System Based on VC++.net and OPENCV Liang Yan1 Tian Fei2 Cui Shilin2 (1. Shanghai University of Enginneev Sience, Shanghai, 200051; 2. Nanyang Institute of Science and Technology,Nanyang HeNan 473004) Abstract First,this paper used Adaboost to detect the face in the video, and then used the method of SIFT which with the invariant of rotation, scale, translation and illumination to extract the feature of face. Practice illustrated that the same face has the same SIFT, by matching the SIFT, we can recognize the face. The identity recognition system is developed by Visual C++.net 2008 and OPENCV(open source computer vision). Key words:SIFT;identity recognition;FAR;adaboost;video streaming 1 引言 人脸识别涉及图像处理,模式识别,计算机视 觉等多个研究领域,是生物特征鉴别技术的一个主 要方向,具有十分广泛的应用前景.其中,基于人 脸视频流的身份识别是人脸识别中一个重要的分 支,在考勤和门禁系统中,该方法要求有较低的错 误拒绝率(FRR)和零错误接受率(FAR) ,在商业应 用上尤其具有相当大的优势. 人脸识别技术中一个重要的环节是特征提取. 比 较 常 见 的 人 脸 特 征 提 取 方 法 有 EigenFace , FisherFace 和 非 线 性 流 形 及 其 改 进 [1] . 但 是 , EigenFace 是基于重建误差最小,无法揭示数据的 局部结构,对光照,表情等比较敏感.FisherFace 属于有监督识别方法,一般先采用 PCA 降维,然 后利用线性判别分析(LDA),寻找使类间距和类内 距比值最大化的投影方向,识别效果好于 EgienFace.非线性流形法是最近提出的研究成果, 主要有等距映射(Isomap),局部线性嵌入(LLE)和拉 普拉斯特征映射(Laplacian EigenMaps)] 等.但这些 方法都没有明晰的投影矩阵,很难直接提取新样本 的特征,而且会出现小样本问题,所以一般不能直 接用于人脸识别领域. 文献[2]利用 Adaboost 特征提 取人脸,取得了较好的效果,却没有解决如何识别 人脸. 2 SIFT 特征提取算法简述 SIFT(Scale Invariant Feature Transform)特征 提取方法用一个 128 维的向量来表示特征点.其基 本思想是通过高斯核进行一系列的滤波来提取图像 本课题受河南省杰出青年科学基金项目(0612002200) ,河南省重点科技攻 关项目(0623021600)和河南省自然科学基金项目(0511012900)资助. 2008 年第 6 期