《安防人脸生物信息识别系统》由会员分享，可在线阅读，更多相关《安防人脸生物信息识别系统（81页珍藏版）》请在金锄头文库上搜索。
1、Copyright 沈阳先锋计算机工程有限公司,All right reserved.安防人脸生物信息识别系统沈阳先锋计算机工程有限公司2008 年 9 月Copyright 沈阳先锋计算机工程有限公司,All right reserved.2变更履历变更履历编号变更人员修订内容修订时间备注01付裕创建2008-9-4Copyright 沈阳先锋计算机工程有限公司,All right reserved.3摘 要生物特征识别是利用人类特有的生理或行为特征来识别个人身份的技术，它提供了一种高可靠性、高稳定性的身份鉴别途径。人脸识别是目前生物特征识别中最受人们关注的一个分支，是当前图像处理、模式识别
2、和计算机视觉领域内的一个热门研究课题，在公安部门罪犯搜索、安全部门动态监视识别、银行密码系统等许多领域有广泛的应用。与指纹、视网膜、虹膜、掌纹等其他人体生物特征识别方法相比，人脸识别具有直接、友好，使用者无心理障碍等特点。安防人脸生物信息识别系统由人脸检测，特征抽取和人脸分类识别三个关键环节组成。人脸检测是指利用计算机在输入图像中确定所有人脸的位置、大小，是人脸信息处理中的一项关键技术。特征抽取是利用计算机分析人脸图像，进而从中提取有效的识别信息过程。人脸分类识别是根据抽取出的人脸特征用来“辨识”身份的一门技术。本文针对人脸识别系统的三个关键技术，展开深入研究。在人脸检测方面，提出了结合肤色模
3、型校验和 Haar 特征级联强分类器的人脸检测算法，实现人脸的检测。实验结果表明，这种基于人脸 Haar 特征的级联强分类器检测速度快，检测率高，误检率低。结合肤色模型校验的人脸检测由于利用了人脸肤色分布的约束条件，对人脸候选区域进行肤色聚类，使得误检率进一步降低。在人脸识别方面，本文对已存在的算法深入分析，着重研究了基于隐马尔可夫模型的方法，主成份分析与欧氏距离结合的方法，主成份分析与支持向量机结合的方法，局部基于 Gabor 变化直方图序列的人脸描述与识别方法等，分析了各个方法的优点和不足之处。在基于局部 Gabor 变化直方图序列的人脸描述与识别方法中提出一些改进，采用了 Gabor 小
4、波、局部二值模式、局部空间直方图等不同层次的局部特征提取,因而对光照、表情、老化和误配准等问题具有较高的鲁棒性,同时具有较高的识别性能。本文编程实现了上述几种方法，经过深入研究，比较及测试后，实验结果表明，基于局部 Gabor 变化直方图序列的人脸描述与识别方法效果最好。因此，本文采用基于 Gabor 变化直方图序列的人脸描述与识别方法作为本系统人脸识别的方法，并且获得了较高的识别率。Copyright 沈阳先锋计算机工程有限公司,All right reserved.4关键词：关键词：人脸检测，人脸特征抽取，人脸分类识别目 录第一章绪论.61.1 引言.6 1.2 国内外研究现状.7 1.2
5、.1 人脸检测国内外研究现状.7 1.2.2 人脸识别国内外研究现状.8 1.3 存在的优势与困难.9 1.4 整体应用方案.10 1.5 效益分析.12 1.5.1 预期成果.12 1.5.2 预期经济，社会，环境效益.12 1.6 本文研究内容及结构安排.12第二章人脸检测方法研究.142.1 基于肤色特征的人脸检测方法.14 2.2 基于灰度特征的人脸检测方法.14 2.2.1 基于知识的人脸检测方法.15 2.2.2 基于代数特征的人脸检测方法.17 2.2.3 基于模板的人脸检测方法.19 2.2.4 基于机器学习的人脸检测方法.22 2.3 本文的人脸检测方法.29 2.3.1 H
6、aar 函数及 Haar 变换 .29 2.3.2 人脸类 Haar 特征快速算法.31 2.3.3 AdaBoost 级联分类器 .33 2.4 本章小结.43第三章人脸识别系统概述.443.1 人脸图像的归一化.45 3.1.1 图像的几何归一化 .45 3.1.2 图像的灰度归一化 .45 3.2 人脸图像特征抽取.45 3.2.1 抽取变换系数特征.46 3.2.2 灰度统计特征.46 3.2.3 抽取直观几何特征.46 3.2.4 抽取代数特征.47 3.3 人脸分类识别.48 3.3.1 基于子空间变换的方法.48 3.3.2 基于机器学习的方法.48 3.3.3 基于模型的方法.48第四章人脸识别方法详细设计.504.1 基于隐马尔可夫模型的方法.50Copyright 沈阳先锋计算机工程有限公司,All right reserved.54.1.1 一维隐马尔可夫模型介绍及缺陷.51 4.1.2 嵌入式隐 Markov 模型结合神经网络的方法.52 4.1.3 本文采用的嵌入式隐 Markov 模型结合神经网络方法的具体实现.54 4.2 基于主成分分析法与欧式距离的方法.58 4.2.1 主成分分析法基本理论.
