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
|
相似论文
- 基于SVM的常压塔石脑油干点软测量建模研究,TE622.1
- 基于SVM的高速公路路面浅层病害的自动检测算法研究,U418.6
- 基于PCA-SVM的液体火箭发动机试验台故障诊断算法研究,V433.9
- 空间目标ISAR成像仿真及基于ISAR像的目标识别,TN957.52
- 音乐结构自动分析研究,TN912.3
- 基于三维重建的焊点质量分类方法研究,TP391.41
- 基于人眼检测的驾驶员疲劳状态识别技术,TP391.41
- 胆囊炎和肾病综合症脉象信号的特征提取与分类研究,TP391.41
- 直推式支持向量机研究及其在图像检索中的应用,TP391.41
- 基于SVM的中医舌色苔色分类方法研究,TP391.41
- 基于图像的路面破损识别,TP391.41
- 基于支持向量机的故障诊断方法研究,TP18
- 过程支持向量机及其在卫星热平衡温度预测中的应用研究,TP183
- 基于监督流形学习算法的固有不规则蛋白质结构预测研究,Q51
- 基于车载3D加速传感器的路况监测研究,TP274
- 基于肤色分割与AdaBoost算法的人脸检测研究,TP391.41
- 人脸检测算法的FPGA设计与实现,TP391.41
- 基于改进的支持向量机的模拟电路故障诊断方法研究,TN710
- 基于AdaBoost算法的车辆识别系统研究与实现,TP391.41
- 基于视频流的快速人脸检测与实时跟踪算法研究,TP391.41
- 红外条件下驾驶员疲劳检测研究,TP391.41
中图分类: > 工业技术 > 自动化技术、计算机技术 > 计算技术、计算机技术 > 计算机的应用 > 信息处理(信息加工) > 模式识别与装置 > 图像识别及其装置
© 2012 www.xueweilunwen.com
|