学位论文 > 优秀研究生学位论文题录展示

人脸检测识别方法研究与系统设计

作　者: 杨宁
导　师: 贾明兴
学　校: 东北大学
专　业: 控制理论与控制工程
关键词: AdaBoost算法人脸检测类Haar特征支持向量机
分类号: TP391.41
类　型: 硕士论文
年　份: 2012年
下　载: 2次
引　用: 0次
阅　读: 论文下载

内容摘要

随着科学技术的飞速发展,人们在安全验证和信息识别方面的需求也越来越广泛。目标图像的检测与识别是一项重要研究内容,而人脸图像作为最重要的视觉图像之一,在机器视觉、多媒体技术、信息处理技术等研究中占有重要的地位。人脸检测作为人脸信息处理技术的第一步和重要环节,业已成为一项独立而活跃的研究应用课题,受到了研究者的普遍关注。作为智能视频监控系统中的重要环节,人脸检测和人脸识别的方法已经得到了很大的发展。本文在分析前人工作的基础上,将AdaBoost算法运用于人脸检测问题,以人脸图像和非人脸图像作为训练样本,以类Haar特征和积分图为基础,训练出AdaBoost分类器,并通过构建级联分类器,使得人脸检测性能达到符合实际应用要求的水平。用训练出的AdaBoost级联分类器对实际图像进行人脸检测,取得了很好的效果。在实现了基于AdaBoost算法的人脸检测的基础上,提出了AdaBoost与SVM相结合的人脸检测方法。此方法在AdaBoost级联构架的基础上,采用SVM分类器代替传统的AdaBoost分类器。在训练SVM分类器的过程中,针对人脸样本和非人脸样本,提取若干个具有最强分类能力的类Haar特征,训练出SVM分类器。在达到很高训练样本拟合度的同时,通过对验证集进行分类来保证分类器的泛化能力,并且通过采用有侧重的惩罚因子设定,使得SVM分类器对人脸样本更加重视。同时,本文对类Haar特征的提取方法提出了改进,合理的减少了计算量、提高了运算速度。在实现人脸检测之后,需要进行下一步的人脸识别,来判断检测到的人脸是否是人脸库中的目标人脸。本文将子空间PCA方法运用于人脸识别过程中,将高维人脸信息投影到低维的特征脸子空间,通过系数的距离来判断两张人脸图像是否相似。取得了较好的识别效果。最后,根据实际的需求,本文以DM642为核心设计了人脸检测与识别系统,其中包括存储模块、视频编解码模块、音频模块、时钟与电源模块等等。

全文目录

摘要  5-6
Abstract  6-11
第1章绪论  11-21
  1.1 人脸检测研究现状与背景意义  11-12
  1.2 人脸检测经典方法概述  12-16
    1.2.1 基于低层特征的方法  12-13
    1.2.2 基于模型的方法  13-14
    1.2.3 基于线性子空间的方法  14-15
    1.2.4 基于人工神经网络的方法  15
    1.2.5 基于统计的方法  15-16
  1.3 人脸检测结果的评价指标  16-17
  1.4 人脸识别研究现状与方法概述  17-19
  1.5 本文主要工作及论文组织结构  19-21
第2章基于AdaBoost算法的人脸检测方法  21-41
  2.1 机器学习与PAC学习模型  21-22
  2.2 类Haar特征与积分图  22-26
    2.2.1 类Haar特征  22-24
    2.2.2 积分图  24-26
  2.3 AdaBoost学习算法  26-29
    2.3.1 算法介绍  26-28
    2.3.2 弱分类器与强分类器  28-29
  2.4 级联分类器  29-32
  2.5 人脸检测过程与实现  32-39
    2.5.1 人脸检测过程总体设计  32-33
    2.5.2 训练样本的获取与预处理  33-34
    2.5.3 训练系统框架  34-35
    2.5.4 初始的人脸检测效果  35-36
    2.5.5 添加窗口合并策略的最终人脸检测结果  36-39
  2.6 本章小结  39-41
第3章 AdaBoost人脸检测方法的改进  41-51
  3.1 AdaBoost与支持向量机SVM结合的方法  41-46
    3.1.1 支持向量机SVM方法概述  41-44
    3.1.2 AdaBoost与SVM结合方法的设计  44-46
  3.2 类Haar特征选取的改进  46-47
  3.3 实验与结果分析  47-50
  3.4 本章小结  50-51
第4章基于子空间的人脸识别方法  51-61
  4.1 PCA方法理论基础  51-55
    4.1.1 K-L变换  51-53
    4.1.2 奇异值分解SVD  53
    4.1.3 投影  53-54
    4.1.4 PCA的作用及其统计特性  54-55
  4.2 PCA人脸识别方法  55-58
  4.3 PCA人脸识别过程与实现  58-60
  4.4 本章小结  60-61
第5章基于DM642的硬件系统设计  61-73
  5.1 人脸检测与识别系统功能分析  61-63
    5.1.1 系统的功能概述  61
    5.1.2 处理器的选择  61-62
    5.1.3 TMS320DM642的片上资源简介  62-63
  5.2 系统总体构建  63-64
  5.3 主电路的设计  64-71
    5.3.1 存储器的设计  64-67
    5.3.2 视频采集模块设计  67-68
    5.3.3 视频输出电路设计  68
    5.3.4 音频输入输出电路的设计  68-69
    5 3.5 FPGA的设计  69-71
  5.4 外围电路的设计  71-72
    5.4.1 时钟电路设计  71
    5.4.2 电源模块的设计  71-72
    5.4.3 仿真接口的设计  72
  5.5 本章小结  72-73
第6章总结与展望  73-75
  6.1 论文总结  73-74
  6.2 存在的不足及工作展望  74-75
参考文献  75-79
附录  79-83
致谢  83

人脸检测识别方法研究与系统设计

内容摘要

全文目录

相似论文