資源描述：
《視頻環(huán)境下實時人臉識別方法的研究》由會員上傳分享，免費在線閱讀，更多相關(guān)內(nèi)容在學(xué)術(shù)論文-天天文庫。
1、江蘇大學(xué)碩士學(xué)位論文摘要人臉識別作為現(xiàn)有生物特征識別的方式之一，因其具有友好性、非接觸性、不易察覺等優(yōu)點，在公安、交通、銀行等行業(yè)有著廣泛的應(yīng)用前景。隨著計算機(jī)、多媒體技術(shù)的成熟，基于視頻的人臉識別也已成為各大院校、企業(yè)研究的熱點，但在現(xiàn)實使用中仍存在著許多問題，這些問題制約了人臉識別在視頻監(jiān)控環(huán)境中的應(yīng)用，如場景復(fù)雜導(dǎo)致識別能力下降、人臉識別的速度難以達(dá)到實時。針對這些問題，本文借鑒了國內(nèi)外學(xué)者所采用的相關(guān)解決方法，并根據(jù)實際情況對這些方法進(jìn)行了改進(jìn)，提出了相對更為合理有效的解決方法。主要涉及以下方面：在人臉檢測中，本文將基于統(tǒng)計與基于局部特征的方式結(jié)合
2、，提出了一種基于AdaBoost與人眼特征融合的人臉檢測方法。人眼定位的過程中：1)提出了閾值分割與拉普拉斯算子相結(jié)合的局部銳化方法；2)提出了采用輪廓面積相似比與坐標(biāo)定位結(jié)合的方式確定眼睛的位置。在人臉匹配中，本文對旋轉(zhuǎn)、光照、放縮等具有不敏感特性的尺度不變特征轉(zhuǎn)換SIFT算法進(jìn)行研究，并將其用于人臉匹配，同時采用ORL／YALE人臉庫進(jìn)行了大量的實驗。根據(jù)實驗結(jié)果并結(jié)合人臉特征，本文改進(jìn)了原SIFT算法中歐氏距離的相似性度量方式，結(jié)果表明使用該方法能獲得更好的人臉特征匹配效果。在實時性方面，為了盡可能將視頻環(huán)境下的人臉識別做到實時，基于視頻的實時人臉識
3、別方法的研究‘本文搭建的系統(tǒng)測試平臺未采用傳統(tǒng)的CPU架構(gòu)，嘗試采用了CPU與圖像處理器GPU并行架構(gòu)，在花費時間最多的人臉檢測部分使用了基于GPU的計算統(tǒng)一設(shè)備架構(gòu)CUDA并行運算，在人臉識別部分使用了CPU多線程的并行運算，并且人臉檢測與識別的過程是相互獨立、并行的。測試結(jié)果表明，該架構(gòu)下的人臉識別速度是傳統(tǒng)CPU架構(gòu)下速度的10倍以上，在一定程度上達(dá)到了實時檢測與識別。關(guān)鍵詞：自適應(yīng)增強(qiáng)，局部銳化，尺度不變特征轉(zhuǎn)換，圖像處理器，計算統(tǒng)一設(shè)備架構(gòu)，人臉識別，實時性江蘇大學(xué)碩士學(xué)位論文ABSTRACTInexistingbiometricidentifi
4、cationways，thefacerecognitionhasbroadapplicationprospectsinpublicsecuritydepartment，publictransportationindustry，bankingandotherindustries，becauseofitsfriendly，non—contact，difficulttobedetected．Withthematurityofthecomputertechonoloyandmultimediatechnology，themajorinstitutionsanden
5、terprisespaymoreattentiontofocusonresearchingfacerecognitionbasedonVideenvironment．Buttherearestillmanyproblemsinpracticalapplications，theabilityoffaceidetificationwilldecreaseunderthecomplexscene，facerecognitionspeedisdifficulttosatisfywithreal—timeapplication．Bothofthemconstrain
6、theapplicationoffacerecognitioninvideosurveillancesystems．Tosolvetheseproblems，thispaperrefersrelationalsolutionsproposedbydomesticandoverseasscholars，dressesthemaccordingtotheacutualsituation，andputforwardrelativelyamorereasonableandeffectivesolution．Maincontentsasfollows：Infaced
7、etection，thispaperproposesamethodbasedonAdaptiveBoosting(AdaBoost)algorithmmergingwiththeeyecontourfeaturebycombiningstatistics—basedwithfeature—basedapproach．Intheprocessoflocatingtheeyecontour，anapproachbycombiningthresholdsegmentationwithLaplacianoperatorisgivenoutintheoperatio
8、nofthelocalsharpening．Infacematch
